PulseAugur
中
实时 09:40:53

新研究“Robust Onion”分析噪声对物体检测器的影响

作者 PulseAugur 编辑部 · [2 个来源] ·

一项题为“Robust Onion”的新研究调查了现实世界噪声对开放词汇物体检测器（OV-ODs）的影响。该研究使用受控的合成降级来分析这些检测器如何以及为何会失去鲁棒性，并将特征坍塌确定为一个关键因素。研究结果表明，视觉骨干网络是鲁棒性的主要决定因素，预训练策略和架构细节起着次要作用。该研究还强调，图像域而非标注决定了鲁棒性，并提出了一种轻量级方法来提高检测器在真实世界数据集上的性能。 AI

影响 为提高物体检测模型在现实世界噪声下的鲁棒性提供了见解。

排序理由 该集群包含一篇详细介绍新研究和方法的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新研究“Robust Onion”分析噪声对物体检测器的影响

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Priyank Pathak, Mukilan Karuppasamy, Aaditya Baranwal, Shruti Vyas, Yogesh S Rawat ·

    Robust Onion: Peeling Open Vocab Object Detectors Under Noise

    arXiv:2606.26734v1 Announce Type: cross Abstract: The impact of real-world noise on Open Vocabulary Object Detectors (OV-ODs) remains poorly understood due to their architectural complexity. We present our comprehensive analysis Robust Onion, an empirical study that uses controll…

  2. arXiv cs.CV TIER_1 English(EN) · Yogesh S Rawat ·

    Robust Onion: 噪声下解构词汇目标检测器

    The impact of real-world noise on Open Vocabulary Object Detectors (OV-ODs) remains poorly understood due to their architectural complexity. We present our comprehensive analysis Robust Onion, an empirical study that uses controlled synthetic visual degradations to peel OV-ODs la…

相关实体

相关话题