LLVIP
PulseAugur coverage of LLVIP — every cluster mentioning LLVIP across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
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LYNRED-MDS数据集针对低能见度行人检测
研究人员推出了LYNRED Mobility Dataset 多模态检测子集 (LYNRED-MDS)，这是一个旨在改善低能见度驾驶条件下早期碰撞预测的新数据集。这个LYNRED Mobility Dataset的子集包含在法国格勒诺布尔周边各种天气、光照和道路场景下拍摄的4000对RGB-红外图像。该数据集旨在通过涵盖现有数据集（如FLIR ADAS和LLVIP）未能充分解决的关键边缘案例，来增强高级驾驶辅助系统行人检测系统的泛化能力。
-
WD-FQDet 在多光谱目标检测方面达到最先进水平
研究人员开发了WD-FQDet，一个新颖的检测框架，旨在通过有效结合红外和可见光图像特征来改进多光谱目标检测。该系统将模态共享和模态特定信息解耦到低频和高频域，从而实现定制化的融合策略。它包含了对齐共享特征和保留特定特征的模块，以及一个混合增强模块和一个频率感知查询选择机制。在多个数据集上的实验表明，WD-FQDet 达到了最先进的性能。
-
新的BEM模块可抑制实时摄像机检测中的误报
研究人员开发了一种名为背景嵌入记忆（BEM）的新型无训练模块，旨在提高目标检测器在现实场景中的准确性。BEM通过估计背景嵌入并利用它们来惩罚虚假检测，从而在无需额外训练的情况下减少误报。该方法在LLVIP等数据集和模拟监控流上的各种检测器家族中显示出一致的改进，并保持了实时性能。