基于层次引导的无人机跟踪：提升效率与遮挡鲁棒性
计算机视觉与模式识别
2026-05-08 v2
摘要
视觉对象跟踪 (VOT) 在无人机 (UAV) 应用中发挥着关键作用。针对准确率与效率之间的权衡，尤其是在面对不可预测遮挡等挑战性情形时，仍是显著的挑战。本文引入LGTrack，一个统一的无人机跟踪框架，集成动态层选择、高效特征增强和针对遮挡的稳健表征学习。通过采用新型轻量级全局-分组坐标注意力 (GGCA) 模块，LGTrack捕获长程依赖和全局上下文，最小计算开销地提升特征判别力。此外，轻量级相似度引导层适应模块 (SGLA) 替代知识蒸馏，实现跟踪精度与推理效率的最佳平衡。在三个数据集上的实验表明，LGTrack在UAVDT数据集上实现了最高的实时速度（258.7 FPS），同时保持竞争的跟踪精度（82.8% 精确率）。代码已公开于https://github.com/XiaoMoc/LGTrack
引用
@article{arxiv.2602.13636,
title = {Layer-Guided UAV Tracking: Enhancing Efficiency and Occlusion Robustness},
author = {Yang Zhou and Derui Ding and Ran Sun and Ying Sun and Haohua Zhang},
journal= {arXiv preprint arXiv:2602.13636},
year = {2026}
}