pixelレベルでのvisual trackingのための新しいネットワークとして、"SiamCAR"を提案。 これまで提案されてきたようなregion proposalをベースとした手法とは異なり、領域候補の提案やアンカーボックスを用いていない。これによって、アンカーボックスの調整において手間となるハイパーパラメータの調整が必要なくなり、人の手による介入がなくなる。

COCO, ImageNet DET, ImageNet VID, YouTube-BBと複数のデータセットを用いて性能を評価。GOT-10KなどのベンチマークにおいてもSoTAを達成。