English(EN) TUNI: Unifying Pre-training and Fine-tuning with Modality-Aware Mutual Learning and Rectification for RGB-T Semantic Segmentation

TUNI框架统一RGB-T语义分割的预训练和微调

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-16 04:00

研究人员推出了一种新颖的TUNI框架，旨在统一RGB-热成像（RGB-T）语义分割的预训练和微调。该方法通过解决次优的多模态特征提取和融合以及不平衡的模态依赖性等问题，来提升自动驾驶系统在恶劣条件下的感知能力。TUNI包含一个统一的RGB-T编码器，以及一个用于强调跨模态显著特征的局部模块，并采用模态反向对比互学习来减轻预训练期间的偏差。对于微调，则使用模态校正学习来利用残余的热成像信息。 AI

影响这项研究可以增强自动驾驶系统在挑战性环境条件下的感知能力。

排序理由该集群包含一篇详细介绍RGB-T语义分割新方法的学术论文。[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 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Xiaodong Guo, Xianda Guo, Tong Liu, Zhihong Deng, Yanlun Peng, Xiang Li, Wujie Zhou · 2026-06-16 04:00

TUNI: Unifying Pre-training and Fine-tuning with Modality-Aware Mutual Learning and Rectification for RGB-T Semantic Segmentation

arXiv:2509.10005v2 Announce Type: replace Abstract: RGB-thermal (RGB-T) semantic segmentation improves the environmental perception of autonomous platforms in challenging conditions. Prevailing RGB-T segmentation frameworks suffer from suboptimal multi-modal feature extraction an…

报道来源 [1]

TUNI: Unifying Pre-training and Fine-tuning with Modality-Aware Mutual Learning and Rectification for RGB-T Semantic Segmentation

相关实体

相关话题