SMMT：面向热红外目标跟踪的融合自注意力的孪生运动 Mamba 网络
计算机视觉与模式识别
2025-06-12 v3
摘要
热红外（TIR）目标跟踪常面临目标遮挡、运动模糊和背景杂乱等挑战，这些因素会显著降低跟踪器的性能。为解决这些问题，本文提出了一种新颖的孪生运动 Mamba 跟踪器（SMMT），它融合了双向状态空间模型与自注意力机制。具体而言，我们将运动 Mamba 模块引入孪生架构，利用双向建模和自注意力提取运动特征并恢复被忽略的边缘细节。我们提出了一种孪生参数共享策略，允许某些卷积层共享权重。该方法在保持强大特征表示能力的同时减少了计算冗余。此外，我们设计了一种运动边缘感知回归损失，以提高跟踪精度，尤其针对运动模糊目标。在包括 LSOTB-TIR、PTB-TIR、VOT-TIR2015 和 VOT-TIR 2017 在内的四个 TIR 跟踪基准上进行了大量实验。结果表明，SMMT 在 TIR 目标跟踪中实现了卓越的性能。
引用
@article{arxiv.2505.04088,
title = {SMMT: Siamese Motion Mamba with Self-attention for Thermal Infrared Target Tracking},
author = {Shang Zhang and Huanbin Zhang and Dali Feng and Yujie Cui and Ruoyan Xiong and Cen He},
journal= {arXiv preprint arXiv:2505.04088},
year = {2025}
}