ATR-UMMIM：面向复杂成像条件下无人机多模态图像配准的基准数据集
计算机视觉与模式识别
2025-07-29 v1
摘要
多模态融合已成为基于无人机的目标检测的关键推动因素，因为每种模态都为鲁棒特征提取提供了互补线索。然而，由于不同模态在分辨率、视场和传感特性上存在显著差异，精确配准是融合的前提。尽管其重要性，目前尚无专门为无人机航拍场景中的多模态配准设计的公开基准数据集，这严重限制了先进配准方法在真实条件下的开发与评估。为填补这一空白，我们提出了ATR-UMMIM，这是首个专门为无人机应用中的多模态图像配准量身定制的基准数据集。该数据集包含7,969组原始可见光、红外和精确配准的可见光图像三元组，涵盖了多种场景，包括80米至300米的飞行高度、0°至75°的相机角度，以及丰富天气和光照条件下的全天候、全年时间变化。为确保高配准质量，我们设计了一条半自动标注流水线，为每个三元组引入可靠的像素级真值。此外，每个三元组都标注了六种成像条件属性，从而能够在实际部署环境下对配准鲁棒性进行基准测试。为进一步支持下游任务，我们在所有配准图像上提供了目标级标注，涵盖11个目标类别，包含77,753个可见光和78,409个红外边界框。我们相信ATR-UMMIM将成为推动真实无人机场景中多模态配准、融合与感知的基础基准。数据集可从https://github.com/supercpy/ATR-UMMIM下载。
引用
@article{arxiv.2507.20764,
title = {ATR-UMMIM: A Benchmark Dataset for UAV-Based Multimodal Image Registration under Complex Imaging Conditions},
author = {Kangcheng Bin and Chen Chen and Ting Hu and Jiahao Qi and Ping Zhong},
journal= {arXiv preprint arXiv:2507.20764},
year = {2025}
}