AdaptFly：面向低空无人机网络的面向提示的基础模型适应
计算机视觉与模式识别
2025-11-18 v1 多智能体系统
摘要
低空无人机（UAV）网络依赖稳健的语义分割作为分布式感知-通信-控制协同设计中异构代理的基础 enabler。然而，随着天气、光照和视角变化，语义分割基础模型性能迅速恶化。资源受限的UAV无法运行基于梯度的测试时适应，而资源丰富的UAV则独立适应，浪费共享经验。为此，我们提出AdaptFly，一个基于提示的测试时适应框架，在不更新权重的前提下调整分割模型。AdaptFly包含两种互补的适应模式：针对资源受限UAV，采用从共享全局记忆中检索的轻量级token提示；针对资源丰富UAV，采用基于协方差矩阵适应演化策略的梯度-free稀疏视觉提示优化。激活统计检测器触发适应，跨UAV知识池整合提示知识，实现几乎零带宽开销的 fleet-wide协作。广泛的在UAVid和VDD基准数据集上的实验，以及在多种天气条件下的真实UAV部署，表明AdaptFly显著优于静态模型和最先进的测试时适应基准，提高分割精度和鲁棒性。结果凸显了面向低空经济的韧性、通信高效感知的实用路径。
引用
@article{arxiv.2511.11720,
title = {AdaptFly: Prompt-Guided Adaptation of Foundation Models for Low-Altitude UAV Networks},
author = {Jiao Chen and Haoyi Wang and Jianhua Tang and Junyi Wang},
journal= {arXiv preprint arXiv:2511.11720},
year = {2025}
}