摘要
本发明涉及一种时序对齐视觉语言跟踪方法及系统，主要包括：1)时序语义强化模块，用于动态更新语言标记，将静态语言描述转化为与跟踪序列时间对齐的动态标记权重；2)跨模态特征融合模块，整合时空语义对齐矩阵中的信息，强化视觉和语言特征的有效结合；3)恒常性学习平衡策略，通过监控损失波动，提升不同感知任务上的学习稳定性，并优化资源分配。通过以上技术方案的实施，本发明能够显著提高视觉语言跟踪的准确性和鲁棒性，尤其在复杂环境中，如遮挡和运动模糊等问题上，展现出良好的适应性和强大的性能优势，从而推动视觉与语言结合的多模态跟踪技术向更高水平发展。
