开放文本空中检测：空中视觉定位与检测的统一框架
计算机视觉与模式识别
2026-02-10 v1
摘要
开放词汇空中检测（OVAD）和遥感视觉定位（RSVG）已成为空中场景理解的两个关键范式。然而，每种范式在孤立运行时都存在内在局限：OVAD仅限于粗糙的类别级语义，而RSVG在结构上仅限于单目标定位。这些局限性阻止了现有方法同时支持丰富的语义理解和多目标检测。为此，我们提出OTA-Det，首个将两者整合为 cohesive architecture 的统一框架。具体而言，我们引入任务重构策略，统一任务目标和监督机制，实现跨两大范式数据集的联合训练并提供稠密监督信号。进一步，我们提出稠密语义对齐策略，在从整体表达到单个属性的多个层次上建立显式对应关系，实现细粒度语义理解。为确保实时效率，OTA-Det基于RT-DETR架构，扩展从封闭集检测到开放文本检测，引入多个高效模块，在6个覆盖OVAD和RSVG任务的基准测试上实现最先进性能，同时保持34 FPS的实时推理。
引用
@article{arxiv.2602.07827,
title = {Open-Text Aerial Detection: A Unified Framework For Aerial Visual Grounding And Detection},
author = {Guoting Wei and Xia Yuan and Yang Zhou and Haizhao Jing and Yu Liu and Xianbiao Qi and Chunxia Zhao and Haokui Zhang and Rong Xiao},
journal= {arXiv preprint arXiv:2602.07827},
year = {2026}
}