物件追蹤

物件追蹤的意思是：給定目標在第一格的位置（通常是一個邊界框），在隨後每一格都找到「同一個」目標。這種單物件設定刻意做得很泛用——目標可以是任何東西（一張臉、一輛車、一隻動物、一個商標），且僅由那第一個框定義，因此追蹤器無法依賴針對特定類別的偵測器。它的工作是隨時間維持目標的身分與位置，無論世界丟出什麼挑戰。

追蹤器結合兩種互補的線索。外觀（appearance）回答「目標長什麼樣」，透過模板、顏色或特徵直方圖、或學習到的嵌入向量，並與候選位置進行比對。運動（motion）回答「目標下一刻可能在哪」，常是一個簡單的等速度預測，用來縮小搜尋範圍並排除不合理的跳動。訣竅在於兩者的融合：只靠外觀會漂移到長得像的東西上，只靠運動則會跟丟正在變向或短暫被遮擋的目標。

核心難題是漂移（drift）：每格微小的定位誤差，以及目標模型任何被污染之處，會不斷累積，直到追蹤器鎖到背景上。這造就了「穩定性—可塑性兩難」（stability-plasticity dilemma）：外觀模型要更新得夠快以跟上形變、尺度變化與光照，但又不能快到把遮擋物吸收進模型。範式由生成式（找出與模板最匹配的影像塊）演進到判別式（線上訓練一個分類器把目標與背景分開），再到深度追蹤器：Siamese 網路（SiamFC、SiamRPN）離線學習一個相似度函數、以交叉相關進行定位；以及 Transformer 追蹤器（TransT、STARK、OSTrack）在模板與搜尋區域之間做注意力。進展以 OTB、VOT 挑戰賽，以及大規模的 LaSOT、GOT-10k 衡量。