AetherVision-Bench：一个面向多角度分割的开放词汇 RGB-红外基准，涵盖空中与地面视角
计算机视觉与模式识别
2025-06-05 v1
摘要
开放词汇语义分割（OVSS）涉及基于文本描述为图像中的每个像素分配标签，借助 CLIP 等世界模型。然而，它们在跨域泛化方面面临显著挑战，阻碍了其在实际应用中的功效。具身 AI 系统正在通过增强其感知能力来转变自主导航的地面车辆和无人机，在本研究中，我们提出了 AetherVision-Bench，一个面向空中与地面视角的多角度分割基准，促进了在不同视角和传感器模态下性能的广泛评估。我们在所提出的基准上评估了最先进的 OVSS 模型，并研究了影响零样本迁移模型性能的关键因素。我们的工作开创性地创建了一个鲁棒性基准，提供了有价值的见解，并为未来研究奠定了基础。
引用
@article{arxiv.2506.03709,
title = {AetherVision-Bench: An Open-Vocabulary RGB-Infrared Benchmark for Multi-Angle Segmentation across Aerial and Ground Perspectives},
author = {Aniruddh Sikdar and Aditya Gandhamal and Suresh Sundaram},
journal= {arXiv preprint arXiv:2506.03709},
year = {2025}
}
备注
Accepted at Workshop on Foundation Models Meet Embodied Agents at CVPR 2025 (Non-archival Track)