En raison de la nature complémentaire des modalités de lumière visible et d'infrarouge thermique, le suivi d'objets basé sur la fusion d'images lumineuses visibles et d'images thermiques (appelé suivi RGB-T) a suscité une attention croissante de la part des chercheurs ces dernières années. La manière dont on peut réaliser une fusion plus complète des informations provenant des deux modalités à moindre coût est un problème que les chercheurs explorent. Inspirés par l'apprentissage par prompt visuel, nous avons conçu une nouvelle architecture de suivi RGB-T à double flux basée sur l'apprentissage mutuel intermodal, et utilisé ce modèle comme enseignant pour guider un modèle étudiant à flux unique vers un apprentissage rapide grâce aux techniques de distillation de connaissances. De nombreuses expériences ont montré que, comparé à d'autres traceurs RGB-T similaires, notre modèle enseignant a atteint le taux de précision le plus élevé, tandis que le modèle étudiant, avec un taux de précision comparable à celui du modèle enseignant, a réalisé une vitesse d'inférence plus de trois fois supérieure à celle du modèle enseignant. (Les codes seront disponibles si acceptés.)