PulseAugur
实时 10:31:40
English(EN) EGM-Det: Entropy-Guided Multimodal Adaptive Fusion for UAV RGB-IR Object Detection

新的EGM-Det框架通过自适应RGB-IR融合增强无人机目标检测能力

研究人员开发了EGM-Det,一种利用无人机(UAV)的RGB和红外(IR)图像进行目标检测的新型框架。该方法通过考虑空间变化的模态可靠性来自适应地融合多模态特征,这与使用静态权重的先前方法不同。EGM-Det引入了一个熵偏移门控融合模块,该模块利用熵先验来指导局部对齐和融合,选择性地聚合来自RGB和IR数据的可靠线索。在DroneVehicle、LLVIP和VEDAI数据集上的实验表明,EGM-Det取得了最先进的性能,在VEDAI基准测试上显著超过了先前的方法10多个百分点。 AI

影响 这项研究可以提高自动驾驶汽车和监控应用中目标检测系统的准确性和可靠性。

排序理由 这是一篇详细介绍目标检测新模型和框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的EGM-Det框架通过自适应RGB-IR融合增强无人机目标检测能力

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Cunzheng Fan, Dawei Yan, Guanlin Wang, Xingshuo Yang, Yupeng Jia, Jing Yang, Haokui Zhang ·

    EGM-Det:用于无人机RGB-IR目标检测的熵引导多模态自适应融合

    arXiv:2608.11685v1 Announce Type: new Abstract: Joint use of RGB and infrared (IR) imagery can improve UAV-view object detection, but most existing methods fuse multimodal features with static or fixed weights and therefore overlook spatially varying modality reliability. We prop…