STARKの目標追跡手法はResNetをバックボーンとして使用しているが、特徴抽出能力が不十分で追跡性能が低いという問題がある。これに対処するため、本論文ではSwin-Transformerネットワークに基づく改良された目標追跡アルゴリズムを提案する。まず、Swin-Transformer内のウィンドウ注意機構を多尺度で改良し、多尺度ウィンドウモジュールMW-MSAを設計してより豊富な局所詳細情報を抽出し、グローバルコンテキスト情報とともに多尺度識別特徴を形成する。次に、Transformerのエンコーダ-デコーダ構造を特徴融合ネットワークとして組み合わせ、最適化された多層パーセプトロンを更新スコア判定ネットワークとして採用し状態認識モジュールを構成する。最後に、目標の消失や再出現の課題に対して、多重トラッカー融合法を提案する。多尺度改良追跡アルゴリズムとSuperDiMP追跡アルゴリズムを融合し、消失状態判定モジュールを設計して、両トラッカーの信頼度スコアと予測ボックス付近の目標可能性推定を総合的に考慮する。実験結果は、STARK追跡アルゴリズムと比較して、本アルゴリズムがGOT-10Kデータセットで平均重複率（AO）を2.7％向上させ、成功率S_R0.5を3.3％向上させたことを示す。L-LaSOTデータセットでは、STARKアルゴリズムに比べて成功率（AUC）が0.8％向上し、目標消失・再出現の課題でも成功率が1％向上した。

目標追跡;多尺度ウィンドウ;Swin-Transformer;テンプレート更新;マルチモデル融合