本文提出了一种改进的视觉对象跟踪方法，利用视觉事件相机的输出来捕捉场景运动特征。通过引入适应事件数据特性的事件 backbone 和自适应互相指导融合模块，提高了特征表示的质量。在两个 RGB-E 跟踪数据集上，方法的精确度和成功率分别提高了4.9%和5.2%。