Target prompt token-based lightweight transformer for single object tracking algorithm

doi:10.37188/cjlcd.2026-0058

Target prompt token-based lightweight transformer for single object tracking algorithm

2026-05-01

0

PRE

AI

DOI：10.37188/cjlcd.2026-0058

原文链接

原文求助

摘要

En 中文

尽管基于Transformer的跟踪器因其优越的全局建模能力而表现出强大的精度，但它们仍受限于模型尺寸过大和计算延迟过高的问题。为解决这些问题，本文提出TPTTrack，一种基于目标提示标记的轻量级Transformer单目标跟踪方法。具体而言，引入目标提示标记，并将其与目标模板和搜索区域特征共同输入轻量级Transformer骨干网络，利用目标先验引导跨区域特征交互并增强跟踪鲁棒性。此外，设计了一种层次化注意力解耦机制，在浅层执行特征提取和融合，同时减少深层冗余自注意力计算，从而降低整体计算成本。进一步集成了一个轻量级自回归序列预测模块，以实现动态目标状态建模和高效状态估计。在GOT-10k和LaSOT基准上的比较实验表明，TPTTrack在GOT-10k上提升了0.9%的平均重叠率，在LaSOT上提升了1.4%的精度，超越最强实时基线。同时，该模型仅包含5.5M参数和1.79G FLOPs，在GPU上达到111.6 FPS的推理速度，在CPU上达到20.76 FPS，其CPU速度比最强实时基线高出10.8%。总体而言，与现有轻量级跟踪算法相比，所提方法在精度、速度和部署友好性方面均取得更优性能，为资源受限场景下的单目标跟踪提供了有效的轻量级解决方案。

Keyword:

single object tracking

transformer

lightweight model

target prompt token

hierarchical attention decoupling

Target prompt token-based lightweight transformer for single object tracking algorithm

摘要

期刊

机构

引用论文