实体
RGB-Thermal
RGB-Thermal
PulseAugur coverage of RGB-Thermal — every cluster mentioning RGB-Thermal across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
UniMergeTrack 通过分层模型合并推进RGB-X视觉对象跟踪
研究人员推出了一种新颖的视觉对象跟踪方法UniMergeTrack，该方法结合了多种数据模态，如热红外、事件或深度信息。该方法通过独立训练特定模态的跟踪器，然后进行分层合并来解决现有范式的局限性。UniMergeTrack 使用高通滤波合并集成可转移骨干网络，并采用轻量级任务特定专家，同时通过最优传输对齐跟踪头。该方法在RGB-热红外、RGB-事件和RGB-深度跟踪的各种基准测试中展示了最先进的性能，显示出强大的泛化能力。
-
RA-SOD框架通过可靠性建模增强RGB-热成像目标检测
研究人员开发了RA-SOD，一种用于RGB-热成像显著目标检测的新型框架，旨在提高在严峻环境条件下的性能和鲁棒性。该框架显式地对可见光和热成像模态的可靠性进行建模，并调整特征学习和融合过程，以补偿低照度或传感器伪影等退化。在多个基准上的实验表明，RA-SOD在严重模态退化下取得了最先进的结果，优于现有方法。
-
DRPFNet通过新颖的融合网络推动RGB-热成像目标检测发展
研究人员推出DRPFNet，一种新颖的双域残差渐进融合网络，用于RGB-热成像目标检测。该网络旨在通过解决当前方法的局限性来提高检测精度，例如每个特征尺度上的独立跨模态融合以及缺乏双向优化。DRPFNet在结构、特征和增强级别上采用分层协作策略，以确保信息流畅，通过提取高频和低频特征来增强表示质量，并改善前景-背景区分度以实现精确的目标识别。在公共数据集上的实验显示出具有竞争力的性能和效率。