MAVR-Net: 基于跨视图注意力的鲁棒多视图学习微型飞行器动作识别
计算机视觉与模式识别
2025-10-20 v1
摘要
识别微型飞行器(MAV)的运动对于实现自主空中集群中的协同感知与控制至关重要。然而，仅依赖RGB数据的基于视觉的识别模型往往难以捕捉MAV运动的复杂时空特征，这限制了它们区分不同动作的能力。为解决此问题，本文提出了MAVR-Net，一个基于多视图学习的MAV动作识别框架。与传统的单视图方法不同，所提出的方法结合了三种互补的数据类型，包括原始RGB帧、光流和分割掩码，以提高MAV运动识别的鲁棒性和准确性。具体来说，使用基于ResNet的编码器从每个视图中提取判别性特征，并采用多尺度特征金字塔来保留MAV运动模式的时空细节。为了增强不同视图间的交互，引入了一个跨视图注意力模块来建模各种模态和特征尺度之间的依赖关系。此外，设计了一个多视图对齐损失以确保语义一致性并加强跨视图特征表示。在基准MAV动作数据集上的实验结果表明，我们的方法明显优于现有方法，在Short MAV、Medium MAV和Long MAV数据集上分别达到了97.8%、96.5%和92.8%的准确率。
引用
@article{arxiv.2510.15448,
title = {MAVR-Net: Robust Multi-View Learning for MAV Action Recognition with Cross-View Attention},
author = {Nengbo Zhang and Hann Woei Ho},
journal= {arXiv preprint arXiv:2510.15448},
year = {2025}
}