本研究提出了一种新的干扰物感知记忆模型SAM2.1++，旨在提高视觉物体跟踪的分割精度和稳定性。实验结果表明，该模型在七个基准测试中优于现有方法，并在六个测试中创下新纪录。

本研究提出了一种新颖的白盒攻击方法，针对视觉物体跟踪器的局限性，通过边界框攻击变换器骨干网络。实验证明该方法在多个变换器跟踪器上表现优越，验证了其有效性。