LASFNet：用于多模态目标检测的轻量级注意力引导自调制特征融合网络
计算机视觉与模式识别
2025-06-27 v1
摘要
通过特征级融合进行有效的深度特征提取对于多模态目标检测至关重要。然而，以往的研究通常涉及复杂的训练过程，通过堆叠多个特征级融合单元来整合特定模态的特征，导致显著的计算开销。为了解决这个问题，我们提出了一个新的融合检测基线，它使用单个特征级融合单元来实现高性能检测，从而简化了训练过程。基于此方法，我们提出了轻量级注意力引导自调制特征融合网络（LASFNet），它引入了一个新颖的注意力引导自调制特征融合（ASFF）模块，该模块基于来自不同模态的注意力信息在全局和局部层面自适应地调整融合特征的响应，从而促进全面且丰富的特征生成。此外，在 LASFNet 的颈部设计了一个轻量级特征注意力转换模块（FATM），以增强对融合特征的关注并最大程度地减少信息损失。在三个代表性数据集上的大量实验表明，与 SOTA 方法相比，我们的方法实现了良好的效率-精度折衷，在将参数量和计算成本分别降低多达 90% 和 85% 的同时，将检测精度（mAP）提高了 1%-3%。代码将在 https://github.com/leileilei2000/LASFNet 开源。
引用
@article{arxiv.2506.21018,
title = {LASFNet: A Lightweight Attention-Guided Self-Modulation Feature Fusion Network for Multimodal Object Detection},
author = {Lei Hao and Lina Xu and Chang Liu and Yanni Dong},
journal= {arXiv preprint arXiv:2506.21018},
year = {2025}
}