WiSE-OD：红外目标检测鲁棒性基准测试

红外（IR）图像中的目标检测（OD）对于低光和夜间应用至关重要。然而，大规模红外数据集的稀缺性迫使模型依赖于在RGB图像上预训练的权重。虽然在IR上精细调优可提高准确率，但常常会因RGB与IR固有的模态差异而损害在分布迁移下的鲁棒性。为此，我们引入了LLVIP-C和FLIR-C，两个基于对标准IR数据集施加噪声构建的跨模态离分布（OOD）基准。此外，为充分利用RGB和红外训练模型的互补知识，我们提出了WiSE-OD，这是一种权空间集成方法，包含两个变体：WiSE-OD$_{ZS}$组合RGB零-shot和IR fine-tuned权重，WiSE-OD$_{LP}$融合零-shot和线性探测权重。在使用四个RGB预训练检测器和两个鲁棒基线在基准和真实世界离分布M3FD数据集上评估，我们的方法在无需额外训练或推理成本的情况下，提升了跨模态鲁棒性以及对合成和真实分布迁移的抗噪能力。我们的代码可在 https://github.com/heitorrapela/wiseod 获取。