SRRT：探索视觉目标跟踪中的搜索区域调节

主流跟踪器基于先前预测或初始边界框生成固定尺寸的矩形区域作为模型输入，即搜索区域。尽管这种方式获得了可观的跟踪效率，固定尺寸搜索区域缺乏灵活性，且在部分情况下容易失败，例如快速运动与干扰物干扰。跟踪器往往因搜索区域有限而丢失目标对象，或因搜索区域过大而受到干扰物影响。受人类跟踪物体的模式启发，我们提出一种新颖跟踪范式，称为搜索区域调节跟踪（SRRT），其在目标被捕获时使用较小的视野范围，并在目标即将丢失时缩小搜索视野。SRRT 应用所提出的搜索区域调节器为每帧动态估计最优搜索区域，使跟踪器能灵活响应目标出现位置的瞬时变化。为适应在线跟踪中对象外观变化，我们进一步提出一种由锁定状态决定的参考帧更新策略。所提 SRRT 简洁而无冗余修饰，却在八个基准上取得显著提升并与其它最先进（SOTA）跟踪器结果相当。在大规模 LaSOT 基准上，SRRT 在 AUC 上相对 SiamRPN++ 与 TransT 分别取得 4.6% 和 3.1% 的绝对增益。代码与模型将公开。