DiffVAS：基于扩散模型的视觉主动搜索

视觉主动搜索（VAS）已作为一种建模框架引入，用于利用视觉线索指导航空（如无人机）探索，并在广大地理区域内定位感兴趣区域。VAS的潜在应用包括检测罕见野生动物走私的热点、协助搜救任务，以及阴阳武器走私等。先前的VAS方法假设整个搜索空间提前已知，这往往不切实际 due to受限视野和高获取成本的限制；且通常针对特定目标对象学习策略，这限制了其同时搜索多个目标类别的能力。在本工作中，我们提出DiffVAS，一种目标条件策略，可根据任务要求在部分可观测环境中搜索多样化目标，推动视觉主动搜索策略在真实世界应用中的部署。DiffVAS利用扩散模型从依次观察的部分视角中重建整个地理区域，使基于目标的强化学习规划模块能够有效推理并指导后续搜索步骤。广泛实验表明，DiffVAS在部分可观测环境中搜索多样化目标方面显著优于领先方法，在多个数据集上取得显著超越。