重新思考基于SAM的视觉目标跟踪中的内存设计

本文解决了基于SAM的视觉目标跟踪中对内存设计原则理解的关键空白。它超越了特定方法的方法，提供了系统分析，深入研究了内存机制如何运作以及如何转移到SAM3等新一代基础模型。所提出的混合内存框架是一个重要的贡献，它提供了一种模块化和有原则的方法来提高在具有挑战性的跟踪场景中的鲁棒性。代码的可用性也为可重复性提供了积极的方面。

• •提供了对基于SAM的视觉目标跟踪中内存设计的系统分析。
• •提供了关于内存机制如何转移到更强大的基础模型（SAM3）的见解。
• •提出了一个统一的混合内存框架以提高鲁棒性。
• •在SAM2和SAM3骨干网络上都展示了改进的性能。
• •代码可用于复现。