Learning Spatio-Temporal Transformer for Visual Tracking中的target query是什么？怎么来的？

问题遇到的现象和发生背景
问题相关代码，请勿粘贴截图
运行结果及报错内容
我的解答思路和尝试过的方法
我想要达到的结果

具体什么问题啊