SkySeg：野外异构无人机上的协作式 onboard 语义分割
计算机视觉与模式识别
2026-05-26 v1
摘要
无人机 (UAV) 基于图像的获取和分析需求日益增长，UAV 越来越被用于语义分割任务。为满足 UAV 遥感任务的实时分析要求，进行 onboard 计算并基于结果做出决策是自然的做法。然而，在资源受限的 UAV 平台上部署语义分割存在两个显著挑战：1) 硬件限制限制了 UAV 进行实时语义分割的能力；2) 飞行期间的环境变化导致数据分布迁移，偏离原始训练数据。为此，本文引入 SkySeg，一种异构多UAV 空中-空中合作框架，集成计算机视觉和飞行模式，实现使用低成本传感器进行 onboard 语义分割。SkySeg 采用高效的信息融合推理方法，结合低分辨率、广域图像与高分辨率、聚焦区域图像。此外，它包含一种跨设备测试时适应 (TTA) 策略，以通过在 UAV 之间协作解决测试数据流的分布迁移，提高分割性能。实验结果表明，SkySeg 框架将推理延迟加快约 3.6倍，提高 onboard 分割精度 5.91%，在野外环境中实现 10.91% 的平均精度提升。
引用
@article{arxiv.2605.24014,
title = {SkySeg: Collaborative Onboard Semantic Segmentation with Heterogeneous UAVs in the Wild},
author = {Anqi Lu and Yun Cheng and Youbing Hu and Zhiqiang Cao and Jie Liu and Zhijun Li},
journal= {arXiv preprint arXiv:2605.24014},
year = {2026}
}