高性能トランスフォーマートラッカーは優れた結果を示していますが、しばしば重い計算負荷を伴います。入力のサイズを小さくすることで、モデルを変更せずに計算量を即座に且つ便利に削減できることが観察されています。簡単な解決策として、効率的なトランスフォーマートラッキングのために低解像度の入力を採用することが考えられます。しかし、これにより情報損失が発生し、トラッキング精度が大幅に低下します。本論文では、固定された高解像度（ただし大型ではない）トランスフォーマートラッカーからの双方向知識蒸留を通じて、このような情報損失を軽減し、低解像度トランスフォーマートラッキングの性能向上を目指します。その核心は、解像度間で機能する2つの単純ながら効果的な蒸留モジュール、すなわちクエリ-キー-バリュー知識蒸留（QKV-KD）と識別知識蒸留（Disc-KD）です。前者は全体的な視点から、低解像度トラッカーが高解像度トラッカーから特徴量と相互作用を受け継ぐことを可能にします。後者は対象認識の視点から、高解像度版の識別領域を模倣することにより対象と背景の区別能力を強化します。双方向知識蒸留により、我々の低解像度トランスフォーマートラッカー（LoReTrack）は計算量の削減による高い効率性だけでなく、高解像度トラッカーからの知識蒸留によって精度も向上します。広範囲にわたる実験において、256x256解像度を持つLoReTrackは同じ解像度のベースラインよりも一貫して改善され、384x384高解像度トランスフォーマートラッカーと比較しても競争力のあるまたはそれ以上の結果を示しました。さらに52%高速で56%のMACsが節約されます。また、LoReTrackは解像度スケーラブルです。128x128解像度の場合でもCPU上で25fpsで動作し、LaSOT/LaSOTextデータセットでのSUCスコアが64.9%/46.4%となり、他のすべてのCPUリアルタイムトラッカーを上回ります。コードは公開される予定です。