摘要
RGB-T跟踪旨在利用RGB与热红外（TIR）模态之间的相互增强与互补特性，以提升在多种场景下的跟踪性能，其中跨模态交互是关键环节。以往的一些方法直接拼接RGB与TIR搜索区域的特征，虽实现了粗粒度的交互，但引入了冗余的背景噪声。另一些方法则从搜索帧中采样候选区域框，并对独立的RGB与TIR框对进行各类融合操作，这种策略将跨模态交互限制在局部区域内，导致上下文建模不足。为缓解上述局限，本文提出一种新颖的模板桥接搜索区域交互（Template-Bridged Search region Interaction, TBSI）模块，该模块以模板为媒介，通过聚合与分发与目标相关的目标对象及环境上下文信息，实现RGB与TIR搜索区域间的有效跨模态交互。同时，原始模板也通过该媒介获取更丰富的多模态上下文信息，从而实现动态更新。TBSI模块被嵌入到ViT骨干网络中，协同完成特征联合提取、搜索区域与模板匹配以及跨模态交互。在三个主流RGB-T跟踪基准上的大量实验表明，所提方法取得了新的最先进性能。代码已开源，地址为：https://github.com/RyanHTR/TBSI。