SiamCAF：基于互补注意力融合的Siamese网络用于RGBT跟踪

跟踪社区越来越关注RGBT跟踪，它利用对应可见光和热红外图像的互补优势。然而，最著名的RGBT跟踪器在无人机跟踪中无法同时平衡性能和速度。本文提出了一种新颖的RGBT Siamese跟踪器，称为SiamCAF，它利用多模态特征，能够实现超实时的运行速度。具体而言，我们使用了一个双模态Siamese子网络来提取特征。此外，为了提取相似特征并减少模态差异以有效融合特征，我们设计了互补耦合特征融合模块（CCF）。同时，设计了残差通道注意力增强模块（RCAE）以增强提取的特征和表现力。最后，构建了最大融合预测模块（MFP），以提高响应图融合阶段的性能。最后，在三个实际的RGBT跟踪数据集和一个可见-热无人机跟踪数据集上的综合实验表明，SiamCAF的性能超过了其他跟踪方法，跟踪速度超过每秒105帧。