시아모이즈(Siamese) 패러다임을 따르는 트래커는 템플릿 영역과 검색 영역의 특징 간 유사도 매칭을 통해 추적을 수행한다. 타겟의 외형 변화(예: 왜곡, 가림)와 같은 복잡한 상황을 효과적으로 다루기 위해 추적 이력 정보를 통합하여 성능을 향상시키는 다양한 방법이 탐구되어 왔다. 그러나 기존 방법들은 역사적 정보를 충분히 활용하지 못하며, 이로 인해 반복적인 학습이 필요하고 계산량이 크게 증가하는 문제가 존재한다. 본 논문에서는 시아모이즈 기반 트래커에 정밀하고 최신화된 역사적 정보를 제공함으로써, 파라미터를 완전히 변경하지 않고도 상당한 성능 향상을 달성할 수 있음을 보여준다. 이를 바탕으로, 정교화된 역사적 전경 마스크와 타겟의 역사적 시각적 특징을 활용하여 트래커에 종합적이고 정밀한 프롬프트를 제공하는 역사적 프롬프트 네트워크(HPN: Historical Prompt Network)를 제안한다. 이 네트워크를 기반으로 전체 모델 재학습 없이도 상당한 성능 향상을 달성할 수 있는 새로운 트래커인 HIPTrack를 구축하였다. 7개의 데이터셋에서 수행한 실험 결과, 본 방법은 LaSOT, LaSOText, GOT-10k, NfS 등에서 현재 최고 수준의 트래커들을 초월함을 입증하였다. 또한, 역사적 프롬프트 네트워크는 기존 트래커에 손쉽게 플러그 앤 플레이(Plug-and-Play) 모듈로 통합 가능하며, 성능 향상 효과를 제공한다. 소스 코드는 다음 주소에서 공개된다: https://github.com/WenRuiCai/HIPTrack.