オフライン学習されたシアミストラッカーの性能向上は、最近では最初のフレームから切り出されるテンプレートの固定情報がほぼ完全に活用されているため難しくなっています。しかし、これらのトラッカーはターゲットの外観変化に対する抵抗能力が低く、実用的なリアルタイム追跡には適していません。本論文では、ターゲットに関連する歴史的情報を効果的に利用し、追跡中に外観変動に適応するために、空間時間記憶ネットワークに基づいた新しい追跡フレームワークを提案します。具体的には、新たな記憶メカニズムを導入し、このメカニズムはターゲットの歴史的情報を保存することで、トラッカーが現在のフレームで最も情報量が多い領域に焦点を当てるようガイドします。さらに、記憶ネットワークのピクセルレベルでの類似度計算により、我々のトラッカーはターゲットのより正確なバウンディングボックスを生成することができます。OTB-2015, TrackingNet, GOT-10k, LaSOT, UAV123, VOT2018などの挑戦的な大規模ベンチマークにおける広範な実験と競合する多くのトラッカーとの比較により、特別な工夫なしに我々のトラッカーは37 FPSで動作しながらこれまでの最先端のリアルタイム手法全てを上回ることが示されました。コードは https://github.com/fzh0917/STMTrack で公開されています。