AnyThermal：面向热感知的通用表征学习
计算机视觉与模式识别
2026-02-09 v1 人工智能
机器学习
机器人学
摘要
我们提出AnyThermal，一个能够捕获鲁棒任务无关热特征的热 backbone，适用于各种任务，如跨模态地点识别、热 segmentation和使用热图像进行单目深度估计。现有的热 backbone 都遵循从小规模数据进行任务特定训练，导致仅适用于特定环境和任务。与先前方法不同，AnyThermal 可用于各种环境（室内、航空、越野、城市）和各种任务，无需任务特定训练。我们的关键洞察是通过从视觉基础模型如DINOv2蒸馏特征表示到热编码器中，使用来自这些多环境的热数据。为弥合现有RGB-热数据集的多样性鸿沟，我们引入TartanRGBT平台——首个开源数据收集平台，实现同步RGB-热图像采集。我们利用该载荷收集TartanRGBT数据集——一个在4个环境中收集的多样且平衡的数据集。我们展示了AnyThermal和TartanRGBT的有效性，在现有数据集上的各种环境和下游任务上实现了最高的准确率，提升幅度最高可达36%。
引用
@article{arxiv.2602.06203,
title = {AnyThermal: Towards Learning Universal Representations for Thermal Perception},
author = {Parv Maheshwari and Jay Karhade and Yogesh Chawla and Isaiah Adu and Florian Heisen and Andrew Porco and Andrew Jong and Yifei Liu and Santosh Pitla and Sebastian Scherer and Wenshan Wang},
journal= {arXiv preprint arXiv:2602.06203},
year = {2026}
}
备注
Accepted at IEEE ICRA (International Conference on Robotics & Automation) 2026