기존 추적 방법이 시계열 특성과 공간 특성의 분리 및 협업 문제를 해결하지 못하는 문제를 위해, 시각 대상 추적을 위한 이중 안내 특성 강화 Mamba 추적기를 제안하였다. Vision Mamba 백본을 기반으로 시공간 특성 협업 모듈을 설계하여 결합된 시공간 정보를 분리하고 양방향으로 강화하였으며; 얕은 층 특성이 깊은 층 특성의 주목점을 모방하는 이중 분기 모방 주의 메커니즘을 구축하여 판별 능력을 강화하였고; 장단기 메모리 라이브러리를 협력하여 템플릿의 자기 적응적 반복을 실현하는 동적 템플릿 강화 및 업데이트 전략을 도입하였다. 실험 결과 OTB100 데이터셋에서 정확도와 성공률이 각각 93.7%와 75.6%에 도달하였고; LaSOT, TrackingNet 및 GOT-10k에서 대부분 지표에서 선도적이거나 차선의 성능을 달성하였으며 LaSOT AUC는 75.8%, TrackingNet은 86.2%, GOT-10k 평균 중첩률은 78.9%였다. 본 알고리즘은 시계열 특성과 공간 특성의 협업을 효과적으로 균형시키며 종합 성능이 주류 대비 방법보다 우수하고 복잡한 도전 과제에서도 높은 정확도와 강인성을 보였다.

대상 추적;Mamba;시공간 협업 결합;모방 주의;동적 템플릿 업데이트