gaseous Object Detection
计算机视觉与模式识别
2025-02-19 v1
摘要
目标检测是计算机视觉中的一个基本且具有挑战性的问题，由于深度学习的有效性，近年来取得了快速发展。当前要检测的对象大多是具有鲜明且distinct视觉特征的刚性固体物质。本文致力于一个鲜少探讨的任务—— gaseous Object Detection（GOD），旨在探讨目标检测技术能否从固体物质扩展到气体物质。然而，气体具有显著不同的视觉特征：1）显著性不足；2）形状任意且不断变化；3）缺乏明确的边界。为便于此具挑战性任务的研究，我们构建了一个覆盖多种气体属性的 GOD-Video 数据集，包含 600 个视频（141,017 帧）。基于此数据集建立了全面的基准，允许对帧级和视频级检测器进行严格评估。根据高斯扩散模型推导出的Voxel Shift Field（VSF），用于建模潜在三维空间中的几何不规则和不断变化的形状。将 VSF 集成到 Faster RCNN 中，VSF RCNN 作为一种简单而强大的气体目标检测基线。本工作旨�吸引进一步关注这一稀缺且具挑战性的领域。
关键词
引用
@article{arxiv.2502.12415,
title = {Gaseous Object Detection},
author = {Kailai Zhou and Yibo Wang and Tao Lv and Qiu Shen and Xun Cao},
journal= {arXiv preprint arXiv:2502.12415},
year = {2025}
}
备注
IEEE Transactions on Pattern Analysis and Machine Intelligence (2024)