Transformerアーキテクチャトラッカーは、その優れた全局的モデリング能力により精度面で優れた性能を示しますが、モデルの大規模さや計算遅延の高さといった問題が依然として存在します。これらの問題に対処するために、本論文ではターゲットプロンプトトークンに基づく軽量Transformer単一ターゲットトラッキング手法であるTPTTrackを提案します。本手法はターゲットプロンプトトークンを導入し、ターゲットテンプレートおよび探索領域特徴とともに軽量Transformerバックボーンネットワークに入力し、ターゲットの事前情報を活用して領域間特徴の相互作用を誘導しトラッキングの頑健性を向上させます。同時に、階層的注意分離機構により浅層では特徴抽出と融合を行い、深層では冗長な自己注意計算を削減して計算コストを低減します。軽量自己回帰系列予測モジュールと組み合わせることで、ターゲット状態の動的モデリングと効率的な推定を実現します。GOT-10kおよびLaSOTデータセットでの比較実験により、TPTTrackはGOT-10kで最良の軽量ベースラインモデルに対して平均重なり率を1.4％向上させ、LaSOTでは精度を1.7％向上させました。同時に、パラメータ数とFLOPsはそれぞれ5.6Mおよび1.82Gに過ぎず、GPUおよびCPUの推論速度はそれぞれ109.2 FPSおよび20.43 FPSに達し、CPU速度は最良の軽量ベースラインモデルと比較して9.1％向上しています。総じて、本手法は既存の軽量トラッキングアルゴリズムと比較して、精度、速度、展開のしやすさの面で優れており、資源制約のある環境での単一ターゲットトラッキングタスクに対する軽量なソリューションを提供します。

単一ターゲットトラッキング;Transformer;軽量モデル;ターゲットプロンプトトークン;階層的注意分離