Tag · 5 篇
无人机视觉
面向无人机目标检测的三模态融合Transformer
Tri-Modal Fusion Transformers for UAV-based Object Detection
MAGE 的通道-空间门控与 BiTE 的双向词元级注意力提供了一套可复用的多模态融合模块，可直接插入 ViT 编码器的指定深度；其 61 组消融对融合位置与融合机制的对比，为设计多传感器检测骨干网络提供了实证参考。
重新思考无人机跟踪中的遮挡建模
Rethinking Occlusion Modeling for UAV Tracking
把遮挡从随机 dropout 重新建模为受空间依赖约束的结构化过程，并用聚类生成密度自适应的遮挡模式做训练增强；同时用深度相关的先验动态调整 Transformer 推理深度，这套「结构化遮挡增广 + 代价感知早退」可直接迁移到其他单流跟踪器或需要部分可见性鲁棒性的检测/分割模型。
ProgTrack：一种基于渐进匹配策略的多目标跟踪算法
ProgTrack: A Multi-Object Tracking Algorithm with Progressive Matching Strategy
针对无人机视角下的多尺度目标、遮挡、镜头抖动和高相似度目标等挑战，提出分阶段渐进匹配策略，可复用于其他跟踪场景中的困难样本匹配与外观-运动融合。
PiLoT：面向无人机自身与目标地理定位的神经像素到三维配准
PiLoT: Neural Pixel-to-3D Registration for UAV-based Ego and Target Geo-localization
把实时视频流与带地理参考的三维地图做神经像素到三维配准，用双线程引擎把地图渲染与定位解耦，并用仿真数据训练轻量网络实现零样本仿真到真实迁移，为无 GNSS 场景下的相机位姿估计提供了可复用的地图配准范式。
AeroGS：面向无位姿动态无人机场景重建的尺度感知高斯泼溅
AeroGS: Scale-Aware Gaussian Splatting for Pose-Free Dynamic UAV Scene Reconstruction
把相机位姿与动态场景联合优化拆成自运动/物体运动、静态几何/时序形变、远近尺度三层解耦，并用尺度感知的时空锚点承载，可直接迁移到无位姿单目视频的动态高斯泼溅重建与轨迹估计。