面向视觉目标跟踪的双引导特征增强MambaOA

针对现有跟踪方法无法实现时序特征与空间特征的解耦协同问题,提出了面向视觉目标跟踪的双引导特征增强Mamba跟踪器。在Vision Mamba骨干基础上,设计时空特征协同模块,将耦合的时空信息分离并双向增强;构建双分支模仿注意力机制,让浅层特征模仿深层特征关注重点,增强判别能力;引入动态模板增强与更新策略,通过长短时记忆库协同,实现模板的自适应迭代。实验结果表明,在OTB100数据集上,精度和成功率分别达到93.7%与75.6%;在LaSOT,TrackingNet和GOT-10k上,在多数指标上取得领先或次优性能,其中LaSOT AUC为75.8%,TrackingNet为86.2%,GOT-10k平均重叠率为78.9%。本算法有效平衡协同了时序特征和空间特征,综合性能优于主流对比方法,在面对复杂挑战下表现出较强的精度与鲁棒性。