DroneVehicle
PulseAugur coverage of DroneVehicle — every cluster mentioning DroneVehicle across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
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。