基于原型混合模型的高光谱烟雾分割
计算机视觉与模式识别
2026-02-12 v1
摘要
烟雾分割对于野火管理和工业安全应用至关重要。传统的基于可见光的方法由于不足的光谱信息而受限，尤其在处理云干扰和半透明烟雾区域时表现不佳。为解决这些挑战，我们引入高光谱成像进行烟雾分割并提出首个高光谱烟雾分割数据集（HSSDataset），该数据集基于Many-to-One标注协议从20个真实场景中收集了超过18,000帧的精心标注样本。然而，不同光谱波段在不同空间区域具有不同的判别能力， necessitating adaptive band weighting strategies。我们将此分解为三个技术挑战：光谱相互作用干扰、光谱模式建模受限以及复杂的加权路由问题。我们提出一种原型混合网络（MoP），其包括：(1) Band split for 光谱隔离、(2) 基于原型的光谱表示以捕获多样化模式、(3) 双层路由用于自适应空间感知加权。我们进一步构建了一个多光谱数据集（MSSDataset），包含RGB红外图像。广泛的实验验证了在两种高光谱和多光谱模态下的卓越性能，确立了基于光谱的烟雾分割新范式。
引用
@article{arxiv.2602.10858,
title = {Hyperspectral Smoke Segmentation via Mixture of Prototypes},
author = {Lujian Yao and Haitao Zhao and Xianghai Kong and Yuhan Xu},
journal= {arXiv preprint arXiv:2602.10858},
year = {2026}
}
备注
35 pages, 14 figures