现有的视觉跟踪方法通常以图像块作为目标的参考来进行跟踪。然而，单个图像块无法提供目标对象的完整和精确的概念，因为图像的抽象能力有限并且可能是模糊的，这使得跟踪变化剧烈的目标变得困难。在本文中，我们提出了 CiteTracker，通过连接图像和文本来增强视觉跟踪中的目标建模和推理。具体来说，我们开发了一个文本生成模块，将目标图像块转换为包含其类别和属性信息的描述性文本，为目标提供全面的参考点。此外，还设计了动态描述模块来适应目标变化，以实现更有效的目标表示。然后，我们使用基于注意力的相关模块将目标描述和搜索图像关联起来，以生成目标状态参考的相关特征。在五个不同的数据集上进行了广泛的实验来评估所提出的算法，并且相对于最先进的方法的良好性能证明了所提出的跟踪方法的有效性。



"点击查看英文标题和摘要"