基于扩散模型的无人机人体检测粗到细层次对齐
计算机视觉与模式识别
2026-03-25 v2
摘要
训练目标检测器需要大量特定任务的标注，但在无人机人体检测中，由于目标分布的持续变化和标注图像的稀缺，这一需求变得不切实际。作为补救措施，采用合成模拟器生成标注数据，标注成本低。然而，合成图像与真实图像之间的域差距阻碍了模型在目标域中的有效应用。为此，我们提出了粗到细层次对齐（CFHA），一个基于扩散模型的三阶段框架，旨在转换无人机人体检测的合成数据，在保留原始合成标签的同时缩小域差距。CFHA 明确解耦全局风格与局部内容的域差异，并通过三个模块弥合这些差距：（1）全局风格迁移——一个扩散模型将合成图像的颜色、光照和纹理统计对齐到真实风格，仅使用少量真实参考集；（2）局部细化——一个超分辨率扩散模型用于为小物体（如人体实例）提供细粒度和照片级真实感细节，保持形状和边界完整性；（3）幻觉去除——一个过滤模块，去除视觉属性与真实世界数据不一致的人体实例，使人体外观更接近目标分布。在公开无人机 Sim2Real 检测基准上的大量实验表明，我们的方法相比未转换的基线显著提升了检测精度。具体而言，我们的方法在 Semantic-Drone 基准上实现了高达 +14.1 的 mAP50 提升。消融研究证实了全局和局部阶段的互补作用，并强调了层次对齐的重要性。代码发布于 \href{https://github.com/liwd190019/CFHA}{this url}。
引用
@article{arxiv.2512.13869,
title = {Coarse-to-Fine Hierarchical Alignment for UAV-based Human Detection using Diffusion Models},
author = {Wenda Li and Meng Wu and Liangzhao Chen and Sungmin Eum and Heesung Kwon and Qing Qu},
journal= {arXiv preprint arXiv:2512.13869},
year = {2026}
}