时空融合更稳健
本跟踪器通过扁平化Transformer架构与时空序列注意力模块的融合，在多个基准上取得竞争性结果，同时兼顾了效率与表达力。
Wu, Ruixu · Liu, Yanli · Wang, Xiaogang · Peilin, Yang
Image and Vision Computing 2024
通过扁平化Transformer精简结构，减少参数和计算量，在保证精度的同时速度提升1.67倍。
将多帧特征图与边界框坐标同时输入，通过时空序列注意力模块整合时序信息，提供历史趋势预测序列。
采用扩散方法构建跟踪模板，改善模板稳定性，提升跟踪器的鲁棒性。
在GOT-10k、LaSOT、TrackingNet、VOT2020、OTB100和UAV123六个基准上取得竞争性结果，证明了方法的有效性。