双集成低延迟单镜头红外计算成像：用于目标检测
计算机视觉与模式识别
2026-05-22 v1 光学
摘要
计算成像使紧凑型红外系统成为可能，但深度学习管道组合图像重建和目标检测往往会引入显著的推理延迟。大多数现有加速策略在压缩重建网络的同时忽视了光学路径中的物理先验，导致在准确性和速度之间存在权衡。我们提出了 Physics-aware Dual-Integrated Network(PDI-Net)，一个低延迟框架，将红外重建与目标检测集成，并将光学先验嵌入学习过程中。PDI-Net 在训练期间使用监督 U-Net，而在推理期间，半 U-Net 编码器直接与基于 YOLO 的检测器共享特征，避免完整图像重建。为弥合以信道为导向的重建特征与以语义为导向的检测特征之间的差距，我们引入了 physics-aware large-small bridge(PALS-Bridge)，其使用场依赖的点扩散函数先验自适应调制多尺度卷积分支。还开发了一个受物理约束的光学退化模拟管道用于训练和验证。该方法部署在单镜头红外相机上，相较于传统多镜头设计将系统重量降低约 50%。在低信噪比条件下的 M3FD 数据集基准上，PDI-Net 相较于 Rec+Det 剪枝策略的推理时间降低 84.06%，同时将 [email protected]:0.95 提升 5.07%。这些结果展示了在资源受限平台上实现紧凑、低延迟的计算红外成像，以实现实时目标检测。
引用
@article{arxiv.2605.21964,
title = {Dual-Integrated Low-Latency Single-Lens Infrared Computational Imaging for Object Detection},
author = {Xuquan Wang and Guishuo Yang and Dapeng Yan and Yujie Xing and Xuanyu Qian and Kai Zhang and Xiong Dun and Jiande Sun and Zhanshan Wang and Xinbin Cheng},
journal= {arXiv preprint arXiv:2605.21964},
year = {2026}
}
备注
15 pages, 11 figures; supplementary material: 3 pages, 2 figures