FARTrack：高性能快速自回归视觉跟踪
计算机视觉与模式识别
2026-03-09 v2
摘要
推理速度和跟踪性能是视觉跟踪领域的两个关键评估指标。然而，高性能跟踪器往往处理速度较慢，在资源受限的设备上难以部署。为此，我们提出FARTrack框架，一种快速自回归跟踪方法。由于自回归强调轨迹序列的时间性质，它可以在各种设备上实现高性能的同时保持高效执行。FARTrack引入任务特定自蒸馏和帧间自回归稀疏化，分别从浅层精准蒸馏和冗余到关键标记优化的角度进行设计。任务特定自蒸馏通过逐层蒸馏任务特定标记，实现模型压缩，提高推理速度，同时避免次优的教师-学生层对分配。同时，帧间自回归稀疏化依次压缩多个模板，避免额外的运行时开销，同时学习时序全局最优稀疏化策略。FARTrack在速度和性能方面表现突出。在GOT-10k上实现实时AO为70.6%。此外，我们最快的模型在GPU上实现343 FPS，在CPU上实现121 FPS。
引用
@article{arxiv.2602.03214,
title = {FARTrack: Fast Autoregressive Visual Tracking with High Performance},
author = {Guijie Wang and Tong Lin and Yifan Bai and Anjia Cao and Shiyi Liang and Wangbo Zhao and Xing Wei},
journal= {arXiv preprint arXiv:2602.03214},
year = {2026}
}