摘要

由于可见光和热红外模态的互补特性，基于可见光图像和热红外图像融合的目标跟踪（以下简称RGB-T跟踪）近年来受到了研究人员越来越多的关注。如何以更低的成本实现两种模态信息的更全面融合，一直是研究者们探索的问题。受视觉提示学习的启发，我们设计了一种基于跨模态互提示学习的新型双流RGB-T跟踪架构，并利用该模型作为教师模型，通过知识蒸馏技术指导单流学生模型进行快速学习。大量实验表明，与类似的RGB-T跟踪器相比，我们设计的教师模型达到了最高的精度率，而学生模型在精度率与教师模型相当的情况下，实现了比教师模型快三倍以上的推理速度。（代码将在被接受后公开。）