우리의 주요 목표는 혼잡한 장면에서의 비디오 객체 카운팅 (video object counting) 기술을 발전시키는 것이며, 주어진 텍스트 또는 시각적 프롬프트 (prompts)를 기반으로 대상 카테고리의 모든 인스턴스를 견고하게 카운팅하는 것을 목표로 합니다. 기존 방법들은 RGB 정보에 의존하기 때문에, 혼잡하고 폐쇄 (occluded)된 조건에서 판별 능력이 제한됩니다. 이를 해결하기 위해, 우리는 일반적인 후처리 파이프라인 (post-processing pipeline)과 함께 깊이 가이드 탐지기 (Depth-Guided Detector, DG-Det)를 제안합니다. 멀티 스케일 RGB-D 교차 주의 집중 (multi-scale RGB-D cross-attention) 및 명시적인 폐쇄 예측 (occlusion prediction)을 통해 깊이 단서 (depth cues)를 통합함으로써, 우리의 방법은 공간적 이해를 향상시키고 혼잡하고 폐쇄된 장면에서 견고한 탐지를 달성합니다. 또한, 프레임 간 중복 카운팅을 제거하기 위해 통합된 중복 제거 프레임워크 (de-duplication framework)를 도입합니다. 향후 연구를 촉진하기 위해, 깊이 정보와 시퀀스당 여러 객체 카테고리를 특징으로 하는 새로운 RGB-D 비디오 객체 카운팅 데이터셋을 공개합니다. 광범위한 실험을 통해 우리의 방법이 기존 베이스라인 (baselines)과 비교하여 MAE를 62.01% 감소시켰으며, RMSE에서도 일관된 개선을 보여줌을 입증했습니다. 우리는 소스 코드를 https://github.com/streamer-AP/DG-Net 에, 데이터셋을 https://huggingface.co/datasets/aerospace123/RGBD-VideoCount 에 제공합니다.