MOS：消除光学-SAR 模态差距用于跨模态舰船重识别
计算机视觉与模式识别
2025-12-04 v1
摘要
光学图像与合成孔径雷达（SAR）图像之间的跨模态舰船重识别（ReID）最近成为海洋情报与监视领域的关键且尚未充分探索的任务。然而，光学图像与 SAR 图像之间的巨大模态差距为实现稳健识别带来了主要挑战。为此，我们提出了 MOS 框架，用于消除光学-SAR 模态差距，实现跨模态舰船 ReID 的模态一致特征学习。MOS 由两个核心组件构成：（1）模态一致表征学习（MCRL）应用去噪 SAR 图像处理和类别级模态对齐损失，以对齐跨模态中同一身份的特征分布。（2）跨模态数据生成与特征融合（CDGF）利用布朗运动桥扩散模型合成跨模态样本，这些样本随后在推理期间与原始特征融合，以增强对齐性和判别性。在 HOSS ReID 数据集上进行的大量实验表明，MOS 在所有评估协议下均显著优于最新方法，分别在 ALL 到 ALL、Optical 到 SAR 和 SAR 到 Optical 设置下实现了 +3.0%、+6.2% 和 +16.4% 的 R1 准确率提升。该代码和训练好的模型将在发表后发布。
引用
@article{arxiv.2512.03404,
title = {MOS: Mitigating Optical-SAR Modality Gap for Cross-Modal Ship Re-Identification},
author = {Yujian Zhao and Hankun Liu and Guanglin Niu},
journal= {arXiv preprint arXiv:2512.03404},
year = {2025}
}