SOTFormer：用于统一目标跟踪与轨迹预测的最小变换器
计算机视觉与模式识别
2025-11-18 v1
摘要
在遮挡、尺度变化和时间漂移等情况下，准确的单目标跟踪和短期运动预测仍具有挑战性，这些因素会破坏所需的实时感知的时间一致性。我们引入SOTFormer，一个最小化的恒定内存时序变换器，将目标检测、跟踪和短视程轨迹预测统一于单个端到端框架。与以往采用循环或堆叠时序编码器的模型不同，SOTFormer通过基于真实值校准的记忆和显式稳定初始化的burn-in锚点损失实现身份持久性。单个轻量级时序注意层跨帧细化嵌入，实现固定GPU内存下的实时推理。在Mini-LaSOT（20%）基准上，SOTFormer达到76.3 AUC和53.7 FPS（AMP，4.3 GB VRAM），在快速运动、尺度变化和遮挡方面超越TrackFormer和MOTRv2等变换器基线。
引用
@article{arxiv.2511.11824,
title = {SOTFormer: A Minimal Transformer for Unified Object Tracking and Trajectory Prediction},
author = {Zhongping Dong and Pengyang Yu and Shuangjian Li and Liming Chen and Mohand Tahar Kechadi},
journal= {arXiv preprint arXiv:2511.11824},
year = {2025}
}