.png){kind=icon}
返回
SpinTrack: Cyclic token permutation for transformer-based tracking
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2026.134612.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于Transformer的视觉跟踪器通过建模鲁棒的长距离依赖关系，彻底改变了该领域。然而，它们面临一个根本性的权衡：全局注意力机制存在二次计算复杂度问题，而高效的窗口基替代方案往往限制了感受野，缺乏定位经历大空间位移的动态目标所需的特定归纳偏置。为解决此限制，我们引入了旋转窗口注意力（SWA）。与主要使用窗口移位来保证图像连续性的传统视觉Transformer不同，SWA是专门为跟踪设计的。它通过查询标记的策略性循环旋转，高效地融合模板和搜索区域特征。通过这种旋转，模型执行空间扫描。该扫描使跟踪器能够捕获跨窗口移动的目标，从而保持线性计算复杂度。基于SWA，我们提出了SpinTrack，一种基于Transformer的跟踪器，在准确性和速度之间实现了最佳平衡。为便于标记旋转，我们开发了一种自适应位置编码方案来处理空间排列和变化分辨率——这一设计进一步提高了鲁棒性。大量实验表明，SpinTrack在多个基准测试中实现了最优的准确度-速度权衡，在GOT-10k上达到75.9%的高竞争力平均重叠率（AO），同时在单RTX 4090 GPU上以75 FPS运行。
Keyword:
Visual object tracking
Siamese network
Attention
Spin window attention
Transformer
