近日，云從科技(688327)聯合上海交通大學、香港科技大學（廣州）等多所高校及科研機構，共同發布全球首個針對“空對空”場景的百萬級多模態反無人機視覺追蹤基準UAV-Anti-UAV，同步推出基于Mamba架構的強力基線模型MambaSTS。

據介紹，該成果填補了低空動態追蹤領域的技術空白，為反無人機實戰化應用提供了核心支撐，標志著我國在多模態大模型與低空安全技術融合領域取得重要突破。

隨著低空經濟的蓬勃發展，無人機安全管控成為全球關注的焦點。傳統反無人機技術多集中于“空對地”或“地對空”場景，難以應對追蹤者與目標均高速飛行的“空中纏斗”場景——此類場景存在雙重動態干擾、極速尺度變化、運動模糊等多重挑戰，現有技術往往難以精準追蹤。

而此次云從科技聯合發布的UAV-Anti-UAV基準，則構建了行業首個大規模標準測試床。該數據集包含1810個視頻序列、總幀數達105萬幀，總時長近9.85小時，涵蓋固定翼、多旋翼、垂直起降等5大類無人機目標。該數據集不僅提供精細邊界框標注，還新增自然語言描述標注，支持視覺-語言跨模態追蹤研究，同時標注了快速運動、光照變化等15種高挑戰屬性。從難度來看，其平均相對速度高達0.79，遠超現有主流數據集，且包含大量微小目標與劇烈尺度變化，堪稱反無人機追蹤領域的“地獄難度”測試基準。

為應對這一高難度任務，研究團隊推出MambaSTS基線模型。該模型創新融合空間、時間、語義三重學習能力，采用混合架構設計：通過分層視覺Transformer提取多尺度空間特征，借助預訓練LanguageMamba挖掘文本語義信息，幫助模型在模糊場景中精準識別目標；其獨創的時間Token傳播機制，如同為模型賦予“視頻記憶”，能通過Mamba的選擇性掃描功能，留存歷史幀中目標的軌跡與外觀信息，即便目標被遮擋也能快速找回。

針對視頻追蹤的因果特性，模型還優化為單向掃描機制，更契合實時追蹤需求。在50個主流深度追蹤算法的評測中，MambaSTS表現突出，在全部5項核心指標上均排名第一，AUC達0.437、mACC達0.443，較第二名領先6.6個百分點。

值得關注的是，該模型在傳統“空對地”“地對空”數據集上同樣取得SOTA性能，證明其具備強大的泛化能力，并非局限于特定場景的“過擬合”模型。

在業內看來，UAV-Anti-UAV基準的發布，為行業提供了統一的技術評測標準，將加速反無人機技術的迭代升級；MambaSTS模型的技術突破，則為實戰化應用提供了高效解決方案，可廣泛應用于安防監控、空域管理、重大活動安保等場景。