近日，云从科技(688327)联合上海交通大学、香港科技大学（广州）等多所高校及科研机构，共同发布全球首个针对“空对空”场景的百万级多模态反无人机视觉追踪基准UAV-Anti-UAV，同步推出基于Mamba架构的强力基线模型MambaSTS。

据介绍，该成果填补了低空动态追踪领域的技术空白，为反无人机实战化应用提供了核心支撑，标志着我国在多模态大模型与低空安全技术融合领域取得重要突破。

随着低空经济的蓬勃发展，无人机安全管控成为全球关注的焦点。传统反无人机技术多集中于“空对地”或“地对空”场景，难以应对追踪者与目标均高速飞行的“空中缠斗”场景——此类场景存在双重动态干扰、极速尺度变化、运动模糊等多重挑战，现有技术往往难以精准追踪。

而此次云从科技联合发布的UAV-Anti-UAV基准，则构建了行业首个大规模标准测试床。该数据集包含1810个视频序列、总帧数达105万帧，总时长近9.85小时，涵盖固定翼、多旋翼、垂直起降等5大类无人机目标。该数据集不仅提供精细边界框标注，还新增自然语言描述标注，支持视觉-语言跨模态追踪研究，同时标注了快速运动、光照变化等15种高挑战属性。从难度来看，其平均相对速度高达0.79，远超现有主流数据集，且包含大量微小目标与剧烈尺度变化，堪称反无人机追踪领域的“地狱难度”测试基准。

为应对这一高难度任务，研究团队推出MambaSTS基线模型。该模型创新融合空间、时间、语义三重学习能力，采用混合架构设计：通过分层视觉Transformer提取多尺度空间特征，借助预训练LanguageMamba挖掘文本语义信息，帮助模型在模糊场景中精准识别目标；其独创的时间Token传播机制，如同为模型赋予“视频记忆”，能通过Mamba的选择性扫描功能，留存历史帧中目标的轨迹与外观信息，即便目标被遮挡也能快速找回。

针对视频追踪的因果特性，模型还优化为单向扫描机制，更契合实时追踪需求。在50个主流深度追踪算法的评测中，MambaSTS表现突出，在全部5项核心指标上均排名第一，AUC达0.437、mACC达0.443，较第二名领先6.6个百分点。

值得关注的是，该模型在传统“空对地”“地对空”数据集上同样取得SOTA性能，证明其具备强大的泛化能力，并非局限于特定场景的“过拟合”模型。

在业内看来，UAV-Anti-UAV基准的发布，为行业提供了统一的技术评测标准，将加速反无人机技术的迭代升级；MambaSTS模型的技术突破，则为实战化应用提供了高效解决方案，可广泛应用于安防监控、空域管理、重大活动安保等场景。