JointNLT

新基准DISTRACT探测文本如何影响视觉语言跟踪器

研究人员推出了DISTRACT，这是一个旨在研究文本参考如何影响视觉语言跟踪器（VLTs）的新基准，尤其是在视觉证据退化的情况下。该基准系统地测试了四种文本先验与四种图像退化水平，同时保持视频和目标元素不变。对五个VLTs的评估显示，Molmo2和JointNLT表现出定向文本使用，即使在退化情况下也存在一些影响，而UVLTrack、MMTrack和DUTrack对语义文本变化的响应较弱。