清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

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
sheg完成签到,获得积分10
5秒前
alex12259完成签到 ,获得积分10
10秒前
17秒前
feiyafei完成签到 ,获得积分10
23秒前
卜哥完成签到 ,获得积分10
24秒前
点点完成签到 ,获得积分10
29秒前
wsb76完成签到 ,获得积分10
33秒前
chuanyongcui完成签到,获得积分10
36秒前
fdyy1完成签到,获得积分10
37秒前
40秒前
空儒完成签到 ,获得积分10
41秒前
Ray完成签到 ,获得积分10
43秒前
病毒遗传学完成签到 ,获得积分10
45秒前
自然亦凝完成签到,获得积分10
59秒前
1分钟前
sue完成签到,获得积分10
1分钟前
1分钟前
七七雨后完成签到,获得积分10
1分钟前
1分钟前
称心的之玉完成签到 ,获得积分10
1分钟前
sue发布了新的文献求助10
1分钟前
会飞的柯基完成签到 ,获得积分10
1分钟前
45度科研狗完成签到 ,获得积分10
1分钟前
1分钟前
幻梦如歌完成签到,获得积分10
1分钟前
呆萌冰彤完成签到 ,获得积分10
1分钟前
幻梦如歌发布了新的文献求助10
1分钟前
姚芭蕉完成签到 ,获得积分0
1分钟前
1分钟前
1分钟前
蔡从安完成签到,获得积分20
2分钟前
sll完成签到 ,获得积分10
2分钟前
DHW1703701完成签到,获得积分10
2分钟前
失眠的青寒完成签到,获得积分10
2分钟前
奋斗的妙海完成签到 ,获得积分0
2分钟前
2分钟前
番茄黄瓜芝士片完成签到 ,获得积分10
2分钟前
无辜的行云完成签到 ,获得积分0
2分钟前
RYYYYYYY233完成签到 ,获得积分10
2分钟前
快乐鞋子完成签到 ,获得积分10
3分钟前
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
2026年中国辛酸癸酸聚乙二醇甘油酯行业市场现状调查及投资机会研判报告 1000
模型平均及其应用 900
Nondestructive Testing Handbook: Vol. 4, Thermal and Infrared Testing (IR), 4th ed 800
Évora na Idade Média 555
作者名:Kristopher P. Plain,悉尼大学的,目前只能查到其四篇论文,想找到其博士论文 550
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
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 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7346979
求助须知:如何正确求助?哪些是违规求助? 8959007
关于积分的说明 19024092
捐赠科研通 6997431
什么是DOI,文献DOI怎么找? 3220144
关于科研通互助平台的介绍 2385125
邀请新用户注册赠送积分活动 2200364