单阶段 75 FPS
将特征提取、融合与匹配融合进单个视觉Transformer主干，同时处理颜色帧和事件流，无需多模块流水线。
Tang, Chuanming · 王晓 · Ju, Huang · 江波 · Zhu, Lin · Chen, Shifeng · 张建林 · Wang, Yaowei · 田永鸿
Pattern Recognition 2026
将特征提取、融合、匹配等模块整合进一个网络，避免多模块带来的效率损失和计算开销。
在实现SOTA性能的同时保持超过75 FPS的推理速度，适合实时应用。
发布COESOT数据集，包含90个类别和1354个视频序列，缓解该任务数据匮乏的问题。
提出考虑视频帧难度的新评价指标，能更合理地评估跟踪结果。