面向高效非对称 UAV 跟踪的双分支蒸馏 Transformer
计算机视觉与模式识别
2026-05-28 v1
摘要
鉴于 UAV 跟踪的实时需求，许多方法会简化 backbone 以减少计算，但这会削弱特征表示并在复杂场景中降低性能。为缓解此问题，我们提出 EATrack，一个以教师引导的双分支蒸馏策略为中心的高效非对称 UAV 跟踪框架，用于增强轻量级 student 模型的特征表达能力。具体而言，EATrack 检查两种互补的知识传递视角：以空间为中心的特征级蒸馏，通过引导 student 学习强目标表示来补偿削弱的表示；以及 prediction 级蒸馏，通过学习教师对准确目标定位的能力来增强空间局部分辨。此外，为增强对外观变化的鲁棒性，我们引入一种细粒度目标感知蒸馏策略，以选择性地将教师的目标建模能力传递给 student。我们在推理时在 EATrack 中包含一个时间适应模块，以提高其随时间的鲁棒性。实验在五个 UAV 数据集上表明，EATrack 在准确率和速度之间取得了 favorable 的平衡。代码: https://github.com/GXNU-ZhongLab/EATrack
关键词
引用
@article{arxiv.2605.28018,
title = {Dual-branch Distilled Transformer for Efficient Asymmetric UAV Tracking},
author = {Hongtao Yang and Bineng Zhong and Qihua Liang and Yaozong Zheng and Xiantao Hu and Yuanliang Xue and Shuxiang Song},
journal= {arXiv preprint arXiv:2605.28018},
year = {2026}
}
备注
CVPR2026 Highlight