T-SiamTPN：用于鲁棒高效无人机跟踪的时序孪生 Transformer 金字塔网络
计算机视觉与模式识别
2025-09-17 v1
摘要
由于尺度变化、动态背景、杂乱环境和频繁遮挡，空中目标跟踪仍然是一项具有挑战性的任务。虽然大多数现有跟踪器强调空间线索，但它们往往忽略了时序依赖性，导致在长期跟踪和遮挡情况下的鲁棒性有限。此外，基于相关运算的孪生跟踪器固有地受到相关操作线性性质的限制，使其难以应对复杂的非线性外观变化。为解决这些局限，我们引入了 T-SiamTPN，这是一个时序感知的孪生跟踪框架，它通过显式时序建模扩展了 SiamTPN 架构。我们的方法融合了时序特征融合和基于注意力的交互，增强了时序一致性并实现了更丰富的特征表示。这些增强带来了相对于基线的显著改进，并实现了与最先进跟踪器相竞争的性能。至关重要的是，尽管增加了时序模块，T-SiamTPN 仍保持了计算效率。部署在资源受限的 Jetson Nano 上时，该跟踪器以 7.1 FPS 的速率实时运行，证明了其适用于真实世界的嵌入式应用，且没有显著的运行时开销。实验结果突显了显著的增益：与基线相比，T-SiamTPN 将成功率提高了 13.7%，精度提高了 14.7%。这些发现强调了时序建模在孪生跟踪框架中的重要性，并将 T-SiamTPN 确立为空中目标跟踪的一个强大且高效的解决方案。代码可在以下地址获取：https://github.com/to/be/released
引用
@article{arxiv.2509.12913,
title = {T-SiamTPN: Temporal Siamese Transformer Pyramid Networks for Robust and Efficient UAV Tracking},
author = {Hojat Ardi and Amir Jahanshahi and Ali Diba},
journal= {arXiv preprint arXiv:2509.12913},
year = {2025}
}