PST900
PulseAugur coverage of PST900 — every cluster mentioning PST900 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的SARTM框架将SAM适配于RGB-热力学分割
研究人员开发了SARTM，一个旨在将分割任何模型（SAM）适配于RGB-热力学（RGB-T）语义分割的新框架。SARTM使用LoRA层对SAM进行微调，并通过跨模态知识蒸馏（CMKD）引入语言指导，以解决跨模态不一致和语义模糊问题。该框架还通过调整SAM的头部和集成多尺度特征来增强分割效果。在MFNET、PST900和FMB等基准测试上的实验表明，SARTM的性能优于现有的最先进方法。
-
新架构融合RGB和热红外数据以改进语义分割
研究人员开发了一种新颖的RGB-热红外语义分割架构，以应对恶劣光照条件下的挑战。所提出的方法采用双ConvNeXt V2骨干网络，并进行阶段式、模态自适应融合。它包含一个用于早期特征的基于频率的融合模块，以及一个带有跨模态注意力的用于后期特征的语义融合模块，通过有效整合可见光和红外图像来增强场景理解。
-
新模型融合RGB和热红外数据以改进语义分割
研究人员开发了一种新颖的融合架构，用于同时使用RGB和热红外图像进行语义分割。该方法采用了分阶段的融合策略，包括一个基于频率的模块，该模块分离红外特征以增强热模式和边界。该系统在MFNet和PST900数据集上进行了测试，以显著更少的参数和更低的计算成本实现了具有竞争力的mIoU分数。
-
新的预训练策略提高了遥感图像分割中深度学习的准确性
研究人员为用于遥感图像语义分割的深度学习模型开发了一种新的预训练策略。该方法旨在减轻由ImageNet等通用图像数据集与专业遥感数据之间的域差异引起的性能下降。通过指导模型在预训练期间避免学习特定于域的特征，该策略增强了泛化能力。该方法在iSAID、MFNet、PST900和Potsdam等四个不同数据集上取得了最先进的结果，为计算机视觉和遥感领域的统一基础模型铺平了道路。