本文介绍了多种基于 Transformer 的 RGB-T 追踪方法，如 MACFT、C2Former 和 CSTNet，旨在提升跨模态特征融合的鲁棒性和适用性。这些方法在多个基准数据集上表现优异，尤其在目标检测和跟踪任务中取得了先进性能。

该研究提出了自动驾驶感知系统中的3D检测和跟踪任务，并通过引入辅助训练任务和解耦的注意力机制来提高检测性能。在nuScenes基准测试中，mAP、NDS和AMOTA分别提高了3.0％、2.2％和7.6％。最佳模型在nuScenes测试集上达到了71.9％的NDS和67.7％的AMOTA。