EdgeDAM：面向移动设备的实时目标跟踪
计算机视觉与模式识别
2026-04-14 v2
摘要
移动设备上的单目标跟踪（SOT）是计算机视觉中的关键任务，需要在遮挡、干扰干扰和快速运动下，准确地连续定位目标。然而，近期的领先干扰感知记忆机制主要基于分割式跟踪器，依赖掩码预测和注意力驱动的记忆更新，引入巨大的计算开销，限制了在资源受限硬件上的实时部署；而轻量级跟踪器虽然能维持高吞吐量，但在出现视觉上相似的干扰物时容易发生漂移。为解决这些挑战，我们提出EdgeDAM，一种轻量级检测导向的跟踪框架，重新构想严格边缘约束下的基于边界框的跟踪中的干扰感知记忆。EdgeDAM引入两个关键策略：（1）双缓冲干扰感知记忆（DAM），集成近期感知记忆以保存temporally一致的目标假设，以及干扰解析记忆以显式存储硬负样本并在恢复期间惩罚其重新选择；（2）置信度驱动的切换与 Held-Box 稳定，其中tracker可靠性和时间一致性准则在遮挡期间自适应激活检测和记忆引导的重识别，同时held-box机制暂时冻结并扩大估计，以抑制干扰物的污染。在包括干扰导向数据集DiDi在内的五个基准上的大量实验表明，在维持移动设备上实时性能的同时，EdgeDAM在遮挡和快速运动下实现了更好的鲁棒性，在DiDi数据集上达到88.2%的准确率，在iPhone 15上实现25 FPS。代码将公开发布。
引用
@article{arxiv.2603.05463,
title = {EdgeDAM: Real-time Object Tracking for Mobile Devices},
author = {Syed Muhammad Raza and Syed Murtaza Hussain Abidi and Khawar Islam and Muhammad Ibrahim and Ajmal Saeed Mian},
journal= {arXiv preprint arXiv:2603.05463},
year = {2026}
}
备注
The paper is not accepted in any conference. We are revising our framework completely and update more authors for this work in the future