C3-OWD：基于课程跨模态对比学习的开放世界检测框架
计算机视觉与模式识别
2025-12-16 v2
摘要
目标检测在封闭场景中取得显著进展，但实际部署受两大挑战限制：对未见类别的泛化能力差，以及在恶劣环境下的鲁棒性不足。先前研究分别关注这些问题：可见红外检测提升鲁棒性但缺乏泛化，开放世界检测利用视觉语言对齐策略实现类别多样性但在极端环境下表现不佳。这种权衡导致鲁棒性与多样性难以同时实现。为缓解此问题，我们提出C3-OWD，一种课程跨模态对比学习框架，统一两大优势。阶段1通过RGBT数据预训练提升鲁棒性，阶段2通过视觉语言对齐提升泛化。为防止阶段间灾难性遗忘，引入指数移动平均（EMA）机制，理论上保证预阶段性能在参数滞后和函数一致性受限内。实验于FLIR、OV-COCO、OV-LVIS上表明有效：C3-OWD在FLIR上达到80.1个AP^50，在OV-COCO上达到48.6个AP^50_Novel，在OV-LVIS上达到35.7个mAP_r，显著优于现有方法。代码已公开：https://github.com/justin-herry/C3-OWD.git。
引用
@article{arxiv.2509.23316,
title = {C3-OWD: A Curriculum Cross-modal Contrastive Learning Framework for Open-World Detection},
author = {Siheng Wang and Zhengdao Li and Yanshu Li and Canran Xiao and Haibo Zhan and Zhengtao Yao and Xuzhi Zhang and Jiale Kang and Linshan Li and Weiming Liu and Zhikang Dong and Jifeng Shen and Junhao Dong and Qiang Sun and Piotr Koniusz},
journal= {arXiv preprint arXiv:2509.23316},
year = {2025}
}
备注
one of the authors doesn't agree any more