論文作者：Long Gao,Yunhe Zhang,Langkun Chen,Yan Jiang,Weiying Xie,Yunsong Li
作者單位：Xidian University;the University of Sheffield
論文鏈接：http://arxiv.org/abs/2503.22199v1
內容簡介：
1）方向：目標追蹤
2）應用：目標追蹤
3）背景：現有的高光譜目標追蹤方法通常通過微調基于RGB圖像的預訓練網絡來適應高光譜任務，盡管在挑戰性場景中取得了令人印象深刻的結果，但這些方法在光譜信息轉換時會丟失部分信息，且微調整個預訓練網絡效率低下，不適合實際應用。
4）方法：為解決上述問題，提出了HyA-T方法，包含以下幾個創新組件：（i）高光譜自注意力適配器（HAS）和高光譜多層感知機適配器（HAM），它們通過增強適配信息，將多頭自注意力（MSA）模塊和多層感知機（MLP）轉換為適合高光譜目標追蹤任務的形式；（ii）高光譜輸入增強（HEI）模塊，直接增強原始高光譜信息，避免了光譜信息的丟失；（iii）與傳統方法不同，僅微調上述模塊的參數，使得訓練更加高效。
5）結果：在四個具有不同光譜帶的數據集上的廣泛實驗驗證了該方法的有效性。實驗結果表明，HyA-T在所有數據集上均取得了最先進的目標追蹤性能，顯著優于現有的方法。
)
