Neptune-X：面向通用航海目标检测的主动 X-to-Maritime 生成
计算机视觉与模式识别
2025-09-29 v2
摘要
航海目标检测是导航安全、监视和自主操作中必不可少的任务,但受到两个关键挑战的制约：标注航海数据稀缺以及在各种航海属性（如目标类别、视角、位置和成像环境）上的泛化性差。为此,我们提出了 Neptune-X,一个数据中心的生成-选择框架,通过利用任务感知样本选择来增强训练效果。从生成视角来看,我们开发了 X-to-Maritime,一个多模态条件生成模型,用于合成多样且逼真的航海场景。其关键组件是双向对象-水注意力模块,用于捕捉对象与其水中周围环境之间的边界交互,以提高视觉保真度。为进一步提高下游任务性能,我们提出了属性相关的主动采样,根据其任务相关性动态选择合成样本。为支持稳健的基准测试，我们构建了航海生成数据集,这是第一个专为航海学习设计的数据集,涵盖广泛的语义条件。大量实验表明,我们的做法在航海场景合成方面树立了新的基准,显著提升了检测准确度,尤其是在具有挑战性且此前缺乏代表性的情景中。代码已公开于 https://github.com/gy65896/Neptune-X。
引用
@article{arxiv.2509.20745,
title = {Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection},
author = {Yu Guo and Shengfeng He and Yuxu Lu and Haonan An and Yihang Tao and Huilin Zhu and Jingxian Liu and Yuguang Fang},
journal= {arXiv preprint arXiv:2509.20745},
year = {2025}
}