RT-DETR++ for UAV Object Detection
School of Computer Science & Technology, Huazhong University of Science and Technology（计算机科学与技术学院，华中科技大学）
本文提出RT-DETR++，通过引入通道门控注意力上下采样机制和CSP-PAC并行空洞卷积，增强RT-DETR编码器，在不增加计算复杂度的前提下，提升无人机图像中小目标与密集目标的检测性能。
2025-09-11 cs.CV
You Only Gaussian Once: Controllable 3D Gaussian Splatting for Ultra-Densely Sampled Scenes
Ke Holdings Inc.（凯控股有限公司）
本文提出YOGO框架，通过确定性预算均衡解决3DGS在工业应用中的资源消耗问题，并引入Immersion v1.0数据集提升重建精度。
2026-07-16 cs.CV
Real-time Mapping of Physical Scene Properties with an Autonomous Robot Experimenter
Dyson Technology Ltd.（戴森科技有限公司）；Imperial College（帝国理工学院）
神经场可以从头开始训练，以有效地表示3D场景的形状和外观。它还表明，他们可以密集映射相关的属性，如语义，通过稀疏的相互作用，从人类标签。在这项工作中，我们证明了机器人可以通过自己的完全自主的实验交互，用任意离散或连续的物理特性密集地注释场景，因为它同时用RGB-D相机扫描和映射场景。各种场景交互都是可能的，包括用力感测戳以确定刚度，用单像素光谱测量局部材料类型或通过推来预测力分布。稀疏的实验交互由熵引导以实现高效率，桌面场景属性在几分钟内从几十个交互中从头开始密集映射。
2022-10-31 cs.CV cs.RO
Benchmark for Generic Product Detection: A Low Data Baseline for Dense Object Detection
ParallelDots, Inc.（ParallelDots公司）
密集场景中的目标检测是标准目标检测器无法很好地训练的新领域。像RetinaNet这样在大型密集数据集上训练的密集对象检测器表现出了出色的性能。我们训练一个标准的对象检测器在一个小的，通常包装的数据集与数据增强技术。就注释数量而言，该数据集比标准数据集小265倍。该低数据基线在标准IoU为0.5时获得了令人满意的结果（mAP=0.56）。我们还通过为多个公共数据集提供完整的注释，为通用的非专利产品检测创建了一个不同的基准。可在https://github.com/ParallelDots/generic-sku-detection-benchmark上查阅。我们希望这个基准有助于构建强大的检测器，这些检测器能够在野外的不同环境中可靠地执行。
2020-01-08 cs.CV
An AI-enabled tool for quantifying overlapping red blood cell sickling dynamics in microfluidic assays
School of Engineering, Brown University（工程学院，布朗大学）；Division of Applied Mathematics, Brown University（应用数学系，布朗大学）
本文提出一种基于AI的工具，用于微流控实验中量化红血球在不同密度下的形态变化，通过深度学习和分割算法提高细胞重叠的检测精度，从而提升实验效率和药物评估能力。
2026-02-04 cs.CV
HyperFusion-Net: Densely Reflective Fusion for Salient Object Detection
Dalian University of Technology（大连理工大学）；The University of Adelaide（阿德莱德大学）
显著目标检测（SOD）是一项重要而又具有挑战性的视觉任务，其目标是找到感兴趣的最重要区域并分割出该区域内的相关目标。这个问题的灵感来自于这样一个事实，即人类似乎感知具有高优先级的主要场景元素。因此，复杂场景中显著目标的准确检测对于人机交互至关重要。在本文中，我们提出了一种新的特征学习框架SOD，在其中我们投SOD作为一个像素的分类问题。该框架利用一个密集的分层特征融合网络，命名为HyperFusion-Net，自动预测最重要的区域，并以端到端的方式分割相关的对象。具体而言，受人类感知系统和图像反射分离的启发，我们首先通过内容保持变换将输入图像分解为反射图像对。然后，利用交织卷积神经网络（ICNN）联合提取反射图像对的互补信息，并采用超密集融合机制进行分层融合。基于融合的多尺度特征，我们的方法最终实现了一个有前途的方法来预测SOD。如我们广泛的实验所示，该方法在七个公共数据集上的性能始终优于其他最先进的方法，并且具有很大的优势。
2018-04-14 cs.CV
Enhancing, Refining, and Fusing: Towards Robust Multi-Scale and Dense Ship Detection
School of Integrated Circuits and Electronics, Beijing Institute of Technology（北京理工大学集成电路与电子学院）
针对SAR图像中复杂背景、密集目标和尺度变化问题，提出CASS-Det框架，通过CEM、NAM和CC-FPN增强中心、精炼边界并融合多尺度特征，在三个数据集上达到最先进检测性能。
2025-01-10 cs.CV
SortWaste: A Densely Annotated Dataset for Object Detection in Industrial Waste Sorting
University of Beira Interior（贝拉内华大学）；IT: Instituto de Telecomunicações（电信研究所）；NOVA LINCS
SortWaste数据集通过ClutterScore指标提升工业废弃物分拣中物体检测的难度评估，展示了现有模型在复杂场景下的性能局限。
2026-01-07 cs.CV
SkyScenes: A Synthetic Dataset for Aerial Scene Understanding
Georgia Institute of Technology（佐治亚理工学院）
针对真实航空场景理解数据集缺乏的问题，提出从CARLA提取的密集标注UAV视角合成数据集SkyScenes，实验证明其能提升模型在真实场景下的泛化与性能，并验证了深度模态和受控条件变化的作用。
2024-09-22 cs.CV
Automatic Signboard Detection and Localization in Densely Populated Developing Cities
United International University（联合国际大学）
由于缺乏自动标注系统，发展中城市的大多数城市设施都没有数字标签。因此，定位和轨迹服务，如谷歌地图，优步等，在这些城市仍然没有得到充分利用。在自然场景图像中准确地检测标志牌是城市街道无差错信息检索的首要任务。然而，开发准确的招牌定位系统仍然是一个悬而未决的挑战，因为它的多样性，包括文本图像和复杂的背景。本文提出了一种新的目标检测方法，能够自动检测出广告牌，适用于此类城市。我们通过结合两种专门的预训练方法和一种运行时间高效的超参数值选择算法来使用基于Faster R-CNN的定位。我们已经采取了一种渐进的方法，通过详细的评估和比较与基线使用我们构建的SVSO（街景招牌对象）招牌数据集包含招牌自然场景图像的六个发展中国家达到我们最终提出的方法。我们在SVSO数据集和Open Image Dataset上展示了我们所提出的方法的最新性能。我们提出的方法可以准确地检测招牌（即使图像包含多个招牌不同的形状和颜色在嘈杂的背景）达到0.90 mAP（平均精度）评分SVSO独立测试集。我们的实现可在以下网址获得：https://github.com/sadrultoaha/Signboard-Detection
2022-08-22 cs.CV
HomeWorld: A Unified Floorplan-to-Furnished Framework for Generating Controllable, Densely Interactive Whole-Home Scenes
Ace Robotics（Ace机器人公司）；CUHK MMLab（香港大学多模态实验室）；Shenzhen Loop Area Institute（深圳河套学院）
提出一个统一的分层框架，通过大规模真实平面图数据集训练大语言模型生成全屋平面图，结合图像生成模型和VLM优化器生成家具及小物体布局，并附加物理属性和纹理光照，实现可控、高真实感的全屋场景生成。
2026-06-04 cs.AI cs.CV
MVTec D2S: Densely Segmented Supermarket Dataset
MVTec Software GmbH（MVTec软件有限公司）；Technical University of Munich（慕尼黑工业大学）
我们介绍了密集分段超市（D2S）数据集，一个新的基准实例感知语义分割在工业领域。它包含21，000张高分辨率图像，并带有所有对象实例的像素标签。这些物品包括60个类别的杂货和日常用品。基准测试的设计类似于自动结账、库存或仓库系统的真实设置。训练图像仅包含均匀背景上的单个类别的对象，而验证和测试集则更加复杂和多样化。为了进一步对实例分割方法的鲁棒性进行基准测试，使用不同的光照、旋转和背景来获取场景。我们确保标签中没有歧义，并且每个实例都被全面标记。注释是像素精确的，并允许使用单个实例的作物进行人工数据增强。该数据集涵盖了该领域中高度相关的几个挑战，例如有限的训练数据以及测试和验证集的高度多样性。对D2S上最先进的目标检测和实例分割方法的评估显示出显著的改进空间。
2018-07-25 cs.CV
RSUD20K: A Dataset for Road Scene Understanding In Autonomous Driving
Concordia University（康考迪亚大学）
提出RSUD20K道路场景理解数据集，包含2万多张高分辨率图像和13万个边界框标注，覆盖复杂场景与天气，并基准测试了多种目标检测器及大型视觉模型标注能力。
2024-02-09 cs.CV
LOGOS: Language-guided Oriented Object Detection in Aerial Scenes
University of Science, VNU-HCM, Vietnam（越南国家大学科学大学）；Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学）
针对航空场景目标检测难题，提出基于Transformer的LOGOS方法，利用文本提示引导检测，通过提示调制内容查询动态调整焦点，经DOTA数据集实验验证，该方法优于现有技术，提升了遥感应用中定向目标检测的性能。
2026-07-10 cs.CV
GraspNet: A Large-Scale Clustered and Densely Annotated Dataset for Object Grasping
Shanghai Jiao Tong University（上海交通大学）
物体抓取是许多应用的关键，也是一个具有挑战性的计算机视觉问题。然而，对于聚类场景，现有的研究存在训练数据不足和缺乏评价基准的问题。在这项工作中，我们贡献了一个大规模的把握姿态检测数据集与统一的评价系统。我们的数据集包含87，040张RGBD图像，其中包含超过3.7亿个抓取姿势。同时，我们的评估系统直接报告是否抓取是成功的或不通过解析计算，这是能够评估任何种类的抓取姿势没有用尽标签姿势地面真理。我们进行了大量的实验，以表明我们的数据集和评估系统可以很好地与现实世界的实验。我们的数据集，源代码和模型将公开提供。
2020-01-01 cs.CV cs.RO
BugNIST -- a Large Volumetric Dataset for Object Detection under Domain Shift
Technical University of Denmark（丹麦技术大学）
针对三维图像中密集目标标注昂贵及训练—检测域迁移问题，本文构建 BugNIST 显微 CT 数据集并提供基线检测分析。
2024-07-07 cs.AI cs.CV
Multiview RGB-D Dataset for Object Instance Detection
George Mason University（乔治梅森大学）
本文提出了一个新的多视图RGB-D数据集的九个厨房场景，每个包含几个对象在现实的杂乱的环境中，包括一个子集的对象从BigBird数据集。场景的视点被密集地采样，并且场景中的对象被用边界框和3D点云中注释。此外，还提出了一种检测和识别的方法，该方法由两部分组成：i）一种新的多视图3D建议生成方法; ii）使用AlexNet开发几个识别基线来对我们的建议进行评分，这些建议是在数据集的作物或合成的训练图像上训练的。最后，我们比较了华盛顿RGB-D场景（WRGB-D）数据集的对象建议和检测基线的性能，并证明了我们的厨房场景数据集对于目标检测和识别更具挑战性。该数据集可在以下网址获得：http://cs.gmu.edu/~robot/gmu-kitchens.html。
2016-09-26 cs.CV cs.RO
