摘要
与以往的双流追踪器相比，近期提出的单流追踪框架通过在模板区域与搜索区域之间实现更早的交互，取得了显著的性能提升。然而，现有的单流追踪器通常在所有编码器层中均让模板特征与搜索区域内的所有部分持续交互，这在特征表示缺乏足够判别性时，可能导致目标与背景的混淆。为缓解这一问题，本文提出一种基于自适应标记划分的通用关系建模方法。该方法是面向Transformer追踪任务的基于注意力的关系建模的通用化形式，兼具此前双流与单流架构的优点，同时通过选择性地让模板标记与适当的搜索标记进行交互，实现了更灵活的关系建模。为支持并行计算与端到端训练，本文引入了注意力掩码策略与Gumbel-Softmax技术，以实现标记划分模块的有效学习。大量实验表明，所提方法在六项具有挑战性的基准测试中均优于现有的双流与单流追踪框架，并达到了当前最优的性能水平，同时保持了实时运行速度。