近日，无码影片 具身智能与装备控制重点实验室, 范保杰与徐丰羽教授团队联合指导研究生王子轩同学的前沿研究论文《Progressively Spiral Mamba Fusion for Multimodal Tracking》（用于多模态跟踪的渐进式螺旋Mamba融合）被第19届欧洲计算机视觉国际会议（ECCV 2026）录用。近年来，该团队已在计算机视觉与人工智能顶级期刊IEEE TPAMI，顶级会议CVPR，ECCV，ICCV，ICML，机器人顶级会议ICRA、IROS发表高水平论文10余篇。

现有大多数多模态跟踪方法，仅在网络的特定层级进行模态融合，或使用轻量级适配器进行浅层交互。这导致两大核心痛点：其一，忽略了不同网络层特征的互补价值——高层提供稳定语义，低层富含纹理细节，仅依赖最后一层遗漏了许多有效信息；其二，跨模态差异信息未被充分挖掘，导致在背景杂乱、目标形变等挑战场景下，跟踪器容易“跟丢”目标。

受多源信息融合时“逐层校验、全局审视”的认知方式启发，研究团队提出了PSMTrack——一个基于状态空间模型（Mamba）的渐进式多模态跟踪框架。它通过三个精心设计的模块，实现了从“简单拼接”到“深度融合”的跨越：差分引导双向Mamba增强（DBME）；跨层交互模块（CLI）；混合螺旋Mamba融合（HSMF）。研究团队在RGB-T（热红外）、RGB-D（深度）和RGB-E（事件相机）三大类、五个主流基准数据集上进行了全面评估。结果表明，PSMTrack在所有数据集上均达到新的State-of-the-Art（SOTA）性能：

PSMTrack首次在Mamba架构中系统性地整合了逐层差异增强、动态跨层选择与螺旋式局部-全局融合三大策略，为多模态融合提供了一套高效、鲁棒且可扩展的新方案，在黑夜、遮挡、快速运动等极端场景下的依旧有着稳定表现。

ECCV与CVPR、ICCV并称计算机视觉领域三大国际顶级会议，代表了该领域全球最前沿的研究水平。ECCV 2026将于2026年9月8日至12日在瑞典马尔默举办，共收到 10,473 篇有效投稿，录用2,883 篇，录用率 27.5%。

（撰稿：范保杰 编辑：张敏 初审：徐丰羽 审核：张翼）