语言条件特征注入

重思指代多目标跟踪中的两阶段“跟踪即指代”：让它重新强大

Rethinking Two-Stage Referring-by-Tracking in Referring Multi-Object Tracking: Make it Strong Again

对做视觉语言跟踪的人，这篇给出了一个可复用的两阶段范式：用采样式 Conditioning Hook 把语言线索注入检测特征，再用 Pairwise Correspondence Decoder 主动建模轨迹与表达的对应关系，替代 CLIP 相似度匹配，从而在低训练成本下达到最优性能。