本研究提出了UASTrack框架，解决了现有RGB-X跟踪器在单一目标跟踪中对模态自适应感知关注不足的问题。通过Discriminative Auto-Selector和Task-Customized Optimization Adapter，该框架显著提升了跟踪性能，且训练参数极少，具有广泛的实际应用潜力。

该论文研究了任意模态显著目标检测（AM SOD），提出了模态自适应 Transformer（MAT）和模态适应特征提取器（MAFE），以应对不同模态的挑战。通过通道级和空间级融合策略（CSFH），有效捕捉跨模态信息，并提出了 SPNet 框架和多模态特征聚合模块，以提升显著性检测性能。