Suivi ciblé avec attention contextuelle à long terme

La plupart des traceurs profonds suivent encore les paradigmes siamois et utilisent un modèle qui ne contient que la cible sans aucune information contextuelle, ce qui rend difficile pour le traceur de gérer les grands changements d'apparence, les mouvements rapides de la cible et l'attraction par des objets similaires. Pour atténuer ce problème, nous proposons un module d'attention à long terme contextuel (LCA) capable de réaliser une fusion extensive d'informations sur la cible et son contexte à partir de trames à long terme, tout en calculant la corrélation de la cible tout en renforçant ses caractéristiques. Les informations contextuelles complètes incluent non seulement l'emplacement de la cible mais aussi l'état autour de celle-ci. LCA utilise l'état de la cible de la trame précédente pour éliminer les interférences causées par des objets similaires et des arrière-plans complexes, permettant ainsi une localisation précise de la cible et conférant au traceur une plus grande robustesse et une meilleure précision de régression. En intégrant le module LCA dans un Transformer, nous construisons un puissant traceur en ligne doté d'un squelette sensible à la cible, dénommé TATrack. De plus, nous proposons un algorithme de mise à jour en ligne dynamique basé sur la confiance de classification des informations historiques, sans ajouter une charge calculatoire supplémentaire. Notre traceur atteint des performances d'avant-garde sur plusieurs benchmarks, avec un AUC de 71,1\%, un NP de 89,3\% et un AO de 73,0\% sur LaSOT, TrackingNet et GOT-10k. Le code source et les modèles entraînés sont disponibles sur https://github.com/hekaijie123/TATrack.