DroneVehicle
PulseAugur coverage of DroneVehicle — every cluster mentioning DroneVehicle across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架提升标签高效可见光-红外目标检测能力
研究人员开发了一个名为对齐共识教师（ACT）的新框架，以改进可见光-红外图像中的标签高效定向目标检测。该方法解决了双模态检测中半监督学习的挑战，特别是在只有少量图像对被完全标注的情况下。ACT 结合了循环一致性区域对齐以实现稳健的跨模态匹配，跨模态共识均值教师以生成伪标签，以及文本引导的跨模态实例增强以解决尾部类别标注稀缺的问题。在 DroneVehicle 和 VEDAI 数据集上的实验证明了 ACT 的有效性，即使在标注数据有限的…
-
SuppreSensing 通过专家引导的特征重校准改进多模态目标检测
研究人员推出了一种新颖的多模态目标检测方法 SuppreSensing，旨在解决语义异质性和噪声干扰等挑战。该方法采用专家驱动的多模态特征重校准 (EMFR) 模块进行自适应专家选择，并采用特定模态的属性增强策略，通过建模差异模式来增强特征。此外，专家驱动的定制特征净化 (ECFP) 模块通过过滤冗余和强化任务相关语义来迭代地优化特征。在 DroneVehicle 和 VEDAI 数据集上的实验表明，SuppreSensing 取得了…
-
P2Fusion框架通过双先验蒸馏推进红外-可见光图像融合
研究人员开发了P2Fusion，一种新颖的红外-可见光图像融合框架，解决了协调不同热特征和纹理特征的挑战。与依赖静态约束或外部基础模型的先前方法不同，P2Fusion利用双重内在提示和基于蒸馏的方法从图像数据中学习动态调节器。该框架包含用于渐进式指导的Teach-to-Fuse机制和用于自适应特征细化的Gated Dynamic Expert Recalibration模块。实验表明，P2Fusion在多个数据集上取得了最先进的性能，…
-
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…
-
新的 RGBT 物体检测方法 ProtoHGF-Net 使用原型级融合
研究人员推出了一种新的 RGB-Thermal (RGBT) 物体检测框架 ProtoHGF-Net，该框架将密集跨模态特征交互转变为更具选择性的原型级语义交互。该方法旨在通过在紧凑的原型空间中融合信息来改进目标相关表示的学习。该系统还采用了教师掩码校准蒸馏来抑制背景噪声并专注于目标特征，在 DroneVehicle、DVTOD 和 FLIR 等数据集上取得了最先进的成果。
-
新的面向寄存器的框架增强了RGB-红外目标检测能力
研究人员开发了RegisterBridgeMM，一个新颖的RGB-红外目标检测框架，该框架利用预训练模型的寄存器令牌来促进跨模态通信。该方法通过利用寄存器摘要进行特征适应，避免了密集的块对块交互。该框架在四个基准测试中表现出卓越的性能，在LLVIP、M3FD、DroneVehicle和FLIR-Aligned数据集上使用冻结的骨干流实现了最高的mAP50-95。
-
新的LDFE块提升RGB-IR目标检测性能
研究人员开发了一种名为LDFE（拉普拉斯解耦特征增强）的新块，旨在通过融合RGB和IR图像的特征来改进目标检测。该方法将特征分解为全局和局部组件，然后使用专门的模块（GS2E和LC2E）进行去噪、融合和重建。LDFE块旨在捕捉远程依赖关系和细粒度细节，从而在多个基准数据集上实现显著的性能提升。
-
InfraNet框架通过质量感知RGB引导增强红外目标检测
研究人员推出InfraNet，一个专为红外图像中更鲁棒的目标检测而设计的新型框架，特别是在RGB数据可能不可靠的恶劣条件下。该系统采用以红外为中心的架构，在训练期间调节RGB引导，允许灵活部署RGB-IR或仅IR输入。关键组件QualGate智能抑制不可靠的RGB信号并增强IR特征，从而在基准数据集上提高准确性和效率。
-
新的PNAFusion方法提高了多光谱目标检测效率
研究人员开发了一种名为渐进式像素邻域可变形交叉注意力（PNAFusion）的新方法来改进多光谱目标检测。该方法通过将特征交互和对齐集中在相关的局部邻域上来解决全局交叉注意力的计算成本问题。PNAFusion包含一个像素邻域交叉注意力模块以减少冗余匹配，以及一个自适应可变形对齐模块以捕捉非线性空间对应关系，并采用迭代反馈机制进行渐进式精炼。实验表明，在FLIR和M3FD等数据集上取得了显著的性能提升，实现了高mAP分数，同时与现有方法相…
-
新方法重用光谱可靠性以改进RGB-红外目标检测
研究人员开发了一种新颖的方法，通过重用跨模态融合过程中生成的光谱可靠性信息来改进RGB-红外目标检测。该方法提取了一个无参数描述符，该描述符总结了融合过程的各个方面，例如频带能量和跨模态相关性。然后，该描述符会主动影响融合机制本身以及将数据定向到专门的融合后专家的路由系统，从而提高检测精度，尤其是在模态丢失等挑战性条件下。