تحولت تتبعات ساياميز إلى تقدير التشابه بين نموذج مرجعي ومناطق مرشحة في الإطار. من الناحية الرياضية، يُعد التحويل التكافؤي للانتقال (translation equivariance) أحد العناصر الأساسية الناجحة في دالة التشابه. فالمعماريات التي لا تتمتع بالتقارب التكافؤي للانتقال تُحدث انحيازاً مكانيًا أثناء التدريب، مما يجعل استرجاع موقع الهدف من فضاء الميزات أمرًا صعبًا. في السياقات الواقعية، تتعرض الأجسام لتحولات مختلفة غير الترجمة، مثل الدوران أو التحجيم. إلا إذا امتلك النموذج آلية داخلية لمعالجة هذه التحولات، فإن دقة التشابه قد تنخفض. في هذه الورقة، نركز على التحجيم، ونهدف إلى تزويد الشبكة ساياميز بخصائص إضافية للتقارب التكافؤي للحجوم لالتقاط التغيرات الطبيعية للهدف مسبقًا. نطور النظرية الخاصة بالتتبعات ساياميز ذات التقارب التكافؤي للحجوم، ونقدم وصفًا بسيطًا لكيفية جعل مجموعة واسعة من النماذج الحالية متوافقة مع التقارب التكافؤي للحجوم. نقدم SE-SiamFC، وهي نسخة مُعدّلة من SiamFC تتمتع بالتقارب التكافؤي للحجوم، وفقًا للوصف المذكور. أجرينا تجارب على معايير OTB وVOT، وكذلك على مجموعتي بيانات مُولَّدَتْ بشكل اصطناعي هما T-MNIST وS-MNIST. ونُظهر أن إدخال تقارب تكافؤي إضافي للحجوم داخليًا يُعد مفيدًا في تتبع الأجسام البصرية.