本研究解决了多目标跟踪（MOT）中有效表示长轨迹的空间和外观特征的重要问题。通过提出对称调制GIoU和动态外观表示方法，作者显著提升了外观特征的鲁棒性和全球性，改善了MOT的总体性能。实验结果表明，该方法在MOT17验证集中取得了76.1 HOTA，80.4 MOTA和81.3 IDF1的优异成绩。

本文总结了计算机视觉领域中应用transformer的进展，指出其在多目标跟踪研究中逐渐具备竞争力，但仍落后于传统深度学习方法。

本论文研究了MOT挑战排行榜上的两种追踪算法，发现Tracktor++优于SORT，提供了改进MOT追踪算法性能的见解和建议。