MTNet：基于变换器学习调制感知表示用于 RGBT 跟踪
计算机视觉与模式识别
2025-08-26 v1 多媒体
摘要
学习鲁棒的多模态表示在 RGBT 跟踪领域发展中发挥了关键作用。然而，常规融合范式和不变的跟踪模板对特征交互具有限制。本文提出一种基于变换器的调制感知跟踪器，称为 MTNet。具体而言，提出一种调制感知网络来探索调制特定线索，包含通道聚合和分布模块 (CADM) 和空间相似感知模块 (SSPM)。随后应用变换器融合网络以捕获全局依赖关系以强化实例表示。为估计精确位置并应对尺度变化和形变挑战，我们设计了三叉预测头和动态更新策略，联合维护可靠的模板以促进帧间通信。大量实验验证了所提方法在三个 RGBT 框架上优于最新竞争者，同时实现实时速度。
引用
@article{arxiv.2508.17280,
title = {MTNet: Learning modality-aware representation with transformer for RGBT tracking},
author = {Ruichao Hou and Boyue Xu and Tongwei Ren and Gangshan Wu},
journal= {arXiv preprint arXiv:2508.17280},
year = {2025}
}