A2Seek：面向航空异常理解的以推理为中心的基准
计算机视觉与模式识别
2025-11-26 v2
摘要
虽然无人机（UAVs）为异常检测提供了广域、高海拔覆盖，但它们面临动态视角、尺度变化和复杂场景等挑战。主要为固定地面视角设计的现有数据集和方法难以适应这些条件，导致在无人机视角场景下性能显著下降。为了弥合这一差距，我们引入了 A2Seek（Aerial Anomaly Seek），一个用于航空异常理解的大规模、以推理为中心的基准数据集。该数据集涵盖了各种场景和环境条件，提供高分辨率真实世界航空视频及详细标注，包括异常类别、帧级时间戳、区域级边界框以及用于因果推理的自然语言解释。在此数据集的基础上，我们提出了 A2Seek-R1，一种新颖的推理框架，将 R1 风格的策略泛化到航空异常理解中，使其能够更深入地理解航空帧中异常发生的“位置”及其“原因”。为此，A2Seek-R1 首先采用思维图引导的监督微调方法，以激活模型在 A2Seek 上的潜在推理能力。然后，我们引入航空群组相对策略优化（A-GRPO）来设计针对航空场景定制的基于规则的奖励函数。此外，我们提出了一种新颖的“搜寻”机制，通过将模型的注意力引导至信息丰富的区域来模拟无人机飞行行为。大量实验表明，A2Seek-R1 在预测准确率上的 AP 提升高达 22.04%，在异常定位上的 mIoU 提升 13.9%，在复杂环境和分布外场景中表现出强大的泛化能力。我们的数据集和代码已在 https://2-mo.github.io/A2Seek/ 发布。
引用
@article{arxiv.2505.21962,
title = {A2Seek: Towards Reasoning-Centric Benchmark for Aerial Anomaly Understanding},
author = {Mengjingcheng Mo and Xinyang Tong and Mingpi Tan and Jiaxu Leng and Jiankang Zheng and Yiran Liu and Haosheng Chen and Ji Gan and Weisheng Li and Xinbo Gao},
journal= {arXiv preprint arXiv:2505.21962},
year = {2025}
}