时空记忆网络中的动态注意机制用于物体跟踪

本研究解决了现有物体跟踪框架在复杂场景中模板特征质量维护的困难，特别是在目标变形、遮挡和杂乱背景下的表现问题。提出的动态注意机制能够根据模板与记忆特征之间的时空关联自适应地调整注意权重，同时轻量级门控网络则根据目标运动状态分配计算资源，优先考虑高区分度特征。大量评估结果显示，该方法在实效性和鲁棒性上均达到了最先进水平，为复杂环境中的实时跟踪提供了新的解决方案。