通过语言引导解耦目标与非目标红外特征
计算机视觉与模式识别
2026-01-15 v1
摘要
红外目标检测专注于在可见光相机因光照不良而失效的复杂环境（如黑暗、雪和雨）中识别和定位目标。然而，由于红外图像对比度低且边缘信息微弱，提取具有判别力的目标特征以实现鲁棒检测极具挑战性。为解决这一问题，我们提出了一种用于红外目标检测的新型视觉-语言表示学习范式。我们探索利用具有丰富语义信息的额外文本监督来指导目标与非目标特征的解耦。具体而言，我们提出了语义特征对齐（SFA）模块，将目标特征与相应的文本特征对齐。此外，我们开发了目标特征解耦（OFD）模块，通过最小化相关性来解耦文本对齐的目标特征与非目标特征。最后，解耦后的目标特征被送入检测头。通过这种方式，借助更具判别力且噪声更小的特征，可以显著提升检测性能。大量实验结果表明，我们的方法在两个基准测试上取得了卓越的性能：M\textsuperscript{3}FD（83.7\% mAP）和 FLIR（86.1\% mAP）。论文被接受后，我们将公开发布代码。
引用
@article{arxiv.2601.09228,
title = {Disentangle Object and Non-object Infrared Features via Language Guidance},
author = {Fan Liu and Ting Wu and Chuanyi Zhang and Liang Yao and Xing Ma and Yuhui Zheng},
journal= {arXiv preprint arXiv:2601.09228},
year = {2026}
}