Distractor-aware Siamese Networks for Visual Object Tracking 注意：由于您要求的翻译风格与SCI/SSCI期刊的日语版相似，以下是翻译内容： 視覚物体追跡のためのディストラクター対応シアムネットワーク

最近、シAMEセネットワークは、その精度と速度のバランスの良さから視覚追跡分野で大きな注目を集めています。しかし、ほとんどのシAMEセ追跡手法で使用される特徴量は、前景と非意味的な背景のみを区別することができ、意味的な背景は常に妨害物として扱われます。これはシAMEセ追跡器の堅牢性を阻害しています。本論文では、正確かつ長期的な追跡のために、妨害物認識型のシAMEセネットワークの学習に焦点を当てています。まず、伝統的なシAMEセ追跡器で使用される特徴量を分析しました。訓練データの分布が不均衡であることが学習された特徴量の識別能力を低下させていることを観察しました。オフライン訓練フェーズでは、この分布を制御し、モデルが意味的な妨害物に注力するための効果的なサンプリング戦略を導入しました。推論フェーズでは、新しい妨害物認識モジュールを設計し、一般的な埋め込みを現在のビデオドメインへ効果的に転送できるようにしました。さらに、単純ながら効果的な局所-全体検索領域戦略を導入することで、提案手法を長期追跡に拡張しました。ベンチマークでの広範な実験により、当手法が既存の最先端技術に対して著しく優れていることが示されました。VOT2016データセットでは相対的に9.6%の改善が見られ、UAV20Lデータセットでは35.9%の相対的改善が確認されました。提案された追跡器は短期ベンチマークで160 FPS（フレーム毎秒）、長期ベンチマークで110 FPSでの処理が可能です。注：「Siamese」は「シアミーズ」または「シアメス」とも訳されますが、「シAMEセ」を使用して一貫性を持たせました。「distractor-aware」は「妨害物認識型」と訳しています。