Self-Adaptive Vision-Language Tracking With Context Prompting

计算机科学 稳健性(进化) 人工智能 计算机视觉 眼动 语言模型 上下文模型 可视化 语义学(计算机科学) 背景(考古学) 变压器 主动外观模型 跟踪(教育) 编码(内存) 视频跟踪 语言理解 编码(集合论) 特征提取 机器学习 跟踪系统 图像分割 杠杆(统计) 感觉线索
作者
Jie Zhao,Xin Chen,Shengming Li,Chunjuan Bo,Dong Wang,Huchuan Lu
出处
期刊:IEEE transactions on image processing [Institute of Electrical and Electronics Engineers]
卷期号:34: 8046-8058
标识
DOI:10.1109/tip.2025.3635016
摘要

Due to the substantial gap between vision and language modalities, along with the mismatch problem between fixed language descriptions and dynamic visual information, existing vision-language tracking methods exhibit performance on par with or slightly worse than vision-only tracking. Effectively exploiting the rich semantics of language to enhance tracking robustness remains an open challenge. To address these issues, we propose a self-adaptive vision-language tracking framework that leverages the pre-trained multi-modal CLIP model to obtain well-aligned visual-language representations. A novel context-aware prompting mechanism is introduced to dynamically adapt linguistic cues based on the evolving visual context during tracking. Specifically, our context prompter extracts dynamic visual features from the current search image and integrates them into the text encoding process, enabling self-updating language embeddings. Furthermore, our framework employs a unified one-stream Transformer architecture, supporting joint training for both vision-only and vision-language tracking scenarios. Our method not only bridges the modality gap but also enhances robustness by allowing language features to evolve with visual context. Extensive experiments on four vision-language tracking benchmarks demonstrate that our method effectively leverages the advantages of language to enhance visual tracking. Our large model can obtain 55.0% AUC on $\text {LaSOT}_{\text {EXT}}$ and 69.0% AUC on TNL2K. Additionally, our language-only tracking model achieves performance comparable to that of state-of-the-art vision-only tracking methods on TNL2K. Code is available at https://github.com/zj5559/SAVLT.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
lgh完成签到,获得积分10
1秒前
情怀应助布噜布噜采纳,获得10
2秒前
22发布了新的文献求助10
4秒前
xiang发布了新的文献求助10
4秒前
cly完成签到 ,获得积分10
4秒前
TKTKW完成签到,获得积分20
5秒前
halsuen完成签到 ,获得积分10
6秒前
GuoshenZhong完成签到,获得积分10
6秒前
科研通AI6.4应助青鱼采纳,获得10
7秒前
似不是完成签到,获得积分10
8秒前
Xin完成签到,获得积分20
9秒前
蓝天应助小轩采纳,获得10
9秒前
123zyuyu完成签到,获得积分10
11秒前
科研一坤年完成签到,获得积分10
11秒前
英俊的铭应助李健辉采纳,获得10
14秒前
hahaha完成签到,获得积分10
15秒前
15秒前
Tang完成签到 ,获得积分10
16秒前
cihaihan完成签到,获得积分10
17秒前
17秒前
17秒前
Ava应助科研通管家采纳,获得10
18秒前
科目三应助科研通管家采纳,获得30
18秒前
情怀应助科研通管家采纳,获得10
18秒前
mirror应助科研通管家采纳,获得10
18秒前
啦啦啦应助科研通管家采纳,获得10
18秒前
思源应助科研通管家采纳,获得10
18秒前
啦啦啦应助科研通管家采纳,获得10
18秒前
小二郎应助科研通管家采纳,获得10
18秒前
啦啦啦应助科研通管家采纳,获得10
18秒前
上官若男应助科研通管家采纳,获得10
18秒前
所所应助科研通管家采纳,获得10
18秒前
18秒前
圣晟胜完成签到,获得积分10
20秒前
20秒前
Ava应助yyyyy采纳,获得10
21秒前
我来何忧完成签到,获得积分10
21秒前
李健辉完成签到,获得积分10
22秒前
22秒前
wang完成签到,获得积分10
23秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
The Graphene Handbook (2019 Edition) 800
IEST-RP-CC018: Cleanroom Cleaning and Sanitization: Operating and Monitoring Procedures 600
Fundamentals of Pharmaceutical and Biologics Regulations: A Global Perspective, Second Edition 600
Rehabilitation of Long-Standing Groin Pain in Athletes: A Scoping Review of Exercise Content and Reporting 500
The Immune System (Fifth Edition) 500
久松真一著作集〈第5巻〉禅と芸術 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6584161
求助须知:如何正确求助?哪些是违规求助? 8358384
关于积分的说明 17899991
捐赠科研通 5724906
什么是DOI,文献DOI怎么找? 2949079
邀请新用户注册赠送积分活动 1924642
关于科研通互助平台的介绍 1810097