Авторы представляют Polycepta, фреймворк оценки состояния внешнего вида на основе объектов, который переформулирует моделирование внешнего вида как задачу рекурсивной оценки. В отличие от традиционных методов, опирающихся на статические дескрипторы, независимые от кадров, Polycepta строит и непрерывно обновляет независимые состояния внешнего вида для каждого отслеживаемого объекта. Этот подход позволяет оценивать будущие представления на основе накопленных наблюдений, а не запоминать их с помощью конкретной стратегии обучения. Ключевой особенностью является то, что качество оценки внешнего вида прогрессивно улучшается по мере эволюции состояний объектов в процессе вывода. Фреймворк обеспечивает оценку внешнего вида для ранее не встречавшихся классов за счет стимулирования обучения построению представлений, специфичных для объекта. Масштабные эксперименты на наборах данных KITTI, Waymo Open Dataset и MOT17 демонстрируют последовательное снижение количества переключений идентичности и улучшение производительности отслеживания. При интеграции во фреймворк RobMOT Polycepta работает с частотой 90,57 Гц и достигает MOTA 92,27% на бенчмарке KITTI.