LVTrack

LVTrack 框架通过自适应特征注入增强语言引导的目标跟踪

研究人员开发了 LVTrack，一个新颖的用于指代单目标跟踪的框架，该框架利用语言来指导视觉跟踪。该系统采用一种模式条件门控特征注入器来自适应地调节文本指导，从而减轻语义漂移。通过利用一个冻结的视觉-语言预训练模型，LVTrack 在保持强大的语言理解能力的同时，显著降低了训练成本。该框架还结合了混合位置编码和轻量级内存机制，以增强时间定位和优化自回归框预测。