PulseAugur
中
实时 09:59:19
English(EN) Temporal-Emerged Prompting for Segment Anything in Multiframe Infrared Small Target Detection

新的TEP-SAM框架增强了红外小目标检测能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个名为时序涌现提示分割一切模型（TEP-SAM）的新框架，以改进红外序列中小目标的检测。该方法利用目标随时间从背景中逐渐涌现的线索，这是现有技术常常忽略的。TEP-SAM对全局和局部运动模式进行建模以识别潜在目标，并通过运动差异增强其特征，从而实现分割一切模型（SAM）的非交互式分割。该方法有效地将大规模语义预训练与任务特定的时序建模相结合，在具有挑战性的低信噪比条件和复杂背景下表现出强大的性能。 AI

影响 增强了在严峻视觉条件下的目标检测能力，可能改进监控和自主系统。

排序理由 这是一篇描述特定计算机视觉任务新技术框架的研究论文。

在 arXiv cs.CV 阅读 →

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

新的TEP-SAM框架增强了红外小目标检测能力

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Yinghui Xing, Donghao Chu, Shizhou Zhang, Di Xu ·

    Temporal-Emerged Prompting for Segment Anything in Multiframe Infrared Small Target Detection

    arXiv:2606.27655v1 Announce Type: new Abstract: Accurately localizing and segmenting small targets in low signal-to-noise ratio (SNR) infrared sequences remains a challenging task. Since targets are often indistinguishable from the background in individual frames, existing method…

  2. arXiv cs.CV TIER_1 English(EN) · Di Xu ·

    用于多帧红外小目标检测的暂态涌现提示

    Accurately localizing and segmenting small targets in low signal-to-noise ratio (SNR) infrared sequences remains a challenging task. Since targets are often indistinguishable from the background in individual frames, existing methods, even when equipped with advanced foundation m…

相关实体

相关话题