MULTIAQUA：多模态航海数据集与多模态语义分割的鲁棒训练策略
计算机视觉与模式识别
2025-12-22 v1 机器学习
摘要
无人水面车辆在运行过程中可能遇到各种各样的视觉情形，其中一些情况难以解释。虽然大多数情况下仅能使用彩色相机图像解决，但某些天气和光照条件需要额外的信息。为拓展可用航海数据，本文提出了新型多模态航海数据集 MULTIAQUA (Multimodal Aquatic Dataset)。该数据集包含由不同模态传感器 (如 RGB、热成像、红外、激光雷达等) 捕获的同步、校准并标注的数据。该数据集旨在开发监督方法，从这些模态中提取有用信息，以提供高质量的场景解释，无论可能存在多严酷的可见性条件如何。为说明所提数据集的优势，我们在困难的夜间测试集上评估了几个多模态方法。我们 presented 能够更可靠地训练多模态方法的训练方法，从而使其在接近完全黑暗的情况下仍能保持可靠性能。我们的做法允许仅使用白天图像训练鲁棒的深度神经网络，从而显著简化数据获取、标注和训练过程。
引用
@article{arxiv.2512.17450,
title = {MULTIAQUA: A multimodal maritime dataset and robust training strategies for multimodal semantic segmentation},
author = {Jon Muhovič and Janez Perš},
journal= {arXiv preprint arXiv:2512.17450},
year = {2025}
}