TherA：用于可控 RGB 到热红外翻译的热感知视觉语言提示
计算机视觉与模式识别
2026-02-26 v2
摘要
尽管热红外（TIR）成像具有显著优势，但大规模数据收集和标注仍是 TIR 基于感知的主要瓶颈。实际可行的替代方案是通过图像翻译合成伪 TIR 数据；然而，大多数 RGB 到 TIR 方法严重依赖 RGB 导向的先验，忽略了热力学物理，导致不合理的热分布。在本文中，我们引入 TherA，一种可控的 RGB 到 TIR 翻译框架，能够在场景和物体水平上生成多样且热力学上合理的图像。TherA 将 TherA-VLM 与潜在扩散模型翻译器耦合。给定单个 RGB 图像和用户提示的条件对，TherA-VLM 生成一种热感知嵌入，编码反映输入场景-条件对的场景、物体、材料和热辐射上下文。将该嵌入作为扩散模型的条件输入，可实现真实的 TIR 合成，并在时间、天气和物体状态等方面实现细粒度控制。与其他基线方法相比，TherA 实现了翻译性能的 SOTA，平均提升约 33%。
关键词
引用
@article{arxiv.2602.19430,
title = {TherA: Thermal-Aware Visual-Language Prompting for Controllable RGB-to-Thermal Infrared Translation},
author = {Dong-Guw Lee and Tai Hyoung Rhee and Hyunsoo Jang and Young-Sik Shin and Ukcheol Shin and Ayoung Kim},
journal= {arXiv preprint arXiv:2602.19430},
year = {2026}
}