SS-DC：可见-红外间的空间-频谱解耦与耦合用于域自适应目标检测
计算机视觉与模式识别
2025-07-17 v1 人工智能
摘要
从可见域到红外(RGB-IR)域进行无监督域自适应目标检测(UDAOD)具有挑战性。现有方法将RGB域视为统一域，忽视了其中存在如白天、夜晚和雾天等多个子域。我们认为，在这些多个子域之间解耦域不变(DI)特征与域特定(DS)特征，有助于RGB-IR域适应。为此，本文提出了基于解耦-耦合策略的全新SS-DC框架。就解耦而言，本文在谱分解方面设计了谱自适应幂等解耦(SAID)模块。由于风格和内容信息高度嵌入不同的频率带，该模块能够更准确和可解释地解耦DI和DS分量。提出了一种基于滤波器库的谱处理范式以及自蒸馈驱动的解耦损失，以提高谱域解耦效果。在耦合方面，本文提出了新的空间-频谱耦合方法，通过空间和频谱DI特征金字塔实现联合耦合。同时，本文引入DS以减少域偏差。大量实验表明，我们的方法可显著提升基线性能，在包括本文提出的基于FLIR-ADAS数据集的新实验协议在内的多个RGB-IR数据集上均优于现有UDAOD方法。
引用
@article{arxiv.2507.12017,
title = {SS-DC: Spatial-Spectral Decoupling and Coupling Across Visible-Infrared Gap for Domain Adaptive Object Detection},
author = {Xiwei Zhang and Chunjin Yang and Yiming Xiao and Runtong Zhang and Fanman Meng},
journal= {arXiv preprint arXiv:2507.12017},
year = {2025}
}
备注
8 main-pages, 3 reference-pages, 5 figures, 6 tables