城市水淹检测：一个具有挑战性的基准数据集与大小模型协适器
计算机视觉与模式识别
2024-07-12 v1 人工智能
机器学习
摘要
城市水淹对公共安全和基础设施构成重大风险。传统方法依赖水位传感器，维护成本高，难以实现全面覆盖。近期研究采用监控摄像机图像和深度学习进行检测，但在稀缺数据和恶劣环境条件下仍面临挑战。本文构建了一个在多种恶劣条件下的具有挑战性的城市水淹基准数据集（UW-Bench），以推动现实应用。我们提出了大小模型协适器范式（LSM-adapter），利用大模型的强大通用分割潜力，以及小模型的特定任务导向引导。具体而言，提出了三重-S提示适配器模块和动态提示组合器，用于生成后合并多个解码器提示。同时，设计了直方图均衡适配器模块，用于为编码器适配注入图像特定信息。结果和分析表明，我们开发的基准数据集和算法具有挑战性和优越性。项目页面：\url{https://github.com/zhang-chenxu/LSM-Adapter}
引用
@article{arxiv.2407.08109,
title = {Urban Waterlogging Detection: A Challenging Benchmark and Large-Small Model Co-Adapter},
author = {Suqi Song and Chenxu Zhang and Peng Zhang and Pengkun Li and Fenglong Song and Lei Zhang},
journal= {arXiv preprint arXiv:2407.08109},
year = {2024}
}
备注
ECCV 2024