追跡のための共同特徴学習と関係モデル化：単一流フレームワーク

現在の主流である二ストリーム、二段階追跡フレームワークは、テンプレートと検索領域の特徴を別々に抽出し、その後関係モデリングを行うため、抽出された特徴が目標に対する意識を欠き、目標と背景の識別能力が制限されます。この問題に対処するため、我々は新しい一ストリーム追跡（OSTrack）フレームワークを提案します。このフレームワークでは、テンプレート-検索画像ペア間の双方向情報フローによって特徴学習と関係モデリングを統合します。これにより、相互ガイダンスによって動的に目標指向性のある識別的な特徴が抽出されます。余分な重い関係モデリングモジュールが必要なく、実装が高度に並列化されているため、提案された追跡器は高速に動作します。さらに推論効率を向上させるために、一ストリームフレームワークで計算される強い類似性事前情報を基にしたネットワーク内候補早期排除モジュールを提案しています。統合されたフレームワークとして、OSTrackは複数のベンチマークで最先端の性能を達成しており、特に単発追跡ベンチマークGOT-10kにおいて優れた結果を示しています。つまり、AO値73.7%を達成し、既存の最良結果（SwinTrack）よりも4.3%改善しています。また、当手法は性能と速度のバランスを保ちつつ、より速い収束性も示しています。コードとモデルはhttps://github.com/botaoye/OSTrack から利用可能です。