低质量图像中开放词汇目标检测的性能评估
计算机视觉与模式识别
2026-01-05 v2
摘要
开放词汇目标检测使模型能够定位和识别预定义类别集之外的目标，并有望达到与人类水平相当的识别能力。在本研究中，我们旨在评估现有模型在低质量图像条件下的开放词汇目标检测任务上的性能。为此，我们引入了一个模拟现实世界中低质量图像的新数据集。在我们的评估实验中，我们发现尽管开放词汇目标检测模型在低级图像退化下的 mAP 分数没有显著下降，但在高级图像退化下，所有模型的性能均急剧下降。OWLv2 模型在不同类型的退化下始终表现更好，而 OWL-ViT、GroundingDINO 和 Detic 则表现出显著的性能下降。我们将发布我们的数据集和代码以促进未来的研究。
引用
@article{arxiv.2512.22801,
title = {Evaluating the Performance of Open-Vocabulary Object Detection in Low-quality Image},
author = {Po-Chih Wu},
journal= {arXiv preprint arXiv:2512.22801},
year = {2026}
}