Unsupervised Domain Adaptation using Generative Adversarial Networks for Semantic Segmentation of Aerial Images
Prince Sultan University（苏丹王子大学）；King Saud University（沙特国王大学）；Gaitech Robotics（盖特机器人公司）；Polytechnic Institute of Porto（波尔图理工学院）；University of Carthage（迦太基大学）；National Engineering School of Carthage（迦太基国家工程学院）
航空影像分割在城市区域的监视和场景理解中具有巨大的应用潜力。它提供了一种自动报告居住区发生的不同事件的方法。这显著促进了公共安全和交通管理应用。在卷积神经网络方法被广泛采用之后，如果提供鲁棒的数据集，则语义分割算法的准确率可以轻松超过80%。尽管取得了这一成功，但部署预先训练的分割模型来调查未包括在训练集中的新城市会显着降低准确性。这是由于训练模型的源数据集与新城市图像的新目标域之间的域偏移。在本文中，我们解决这个问题，并考虑在航空图像的语义分割领域领域自适应的挑战。我们设计了一种算法，使用生成对抗网络（GANs）来减少域偏移的影响。在实验中，我们测试所提出的方法对国际摄影测量与遥感学会（ISPRS）的语义分割数据集，发现我们的方法提高了整体精度从35%到52%时，从波茨坦域（被认为是源域）到Vaihingen域（被认为是目标域）。此外，该方法允许有效地恢复由于传感器变化而导致的倒置类。特别是，由于传感器变化，它将倒置类的平均分割准确度从14%提高到61%。
2019-05-08 cs.CV
Weakly Supervised Domain Adaptation for Built-up Region Segmentation in Aerial and Satellite Imagery
Information Technology University（信息技术大学）
本文提出了一种新的领域自适应算法来处理卫星和航空图像所带来的挑战，并证明了其有效性的建筑物区域分割问题。建筑面积估算是理解人类对环境的影响、公共政策的影响和一般城市人口分析的重要组成部分。航空和卫星图像的多样性以及缺乏覆盖这种多样性的标记数据使得机器学习算法难以概括这些任务，特别是在多个领域。另一方面，由于缺乏强的空间上下文和结构，与地面图像相比，现有的无监督领域自适应方法的应用导致次优适应。我们深入研究了现有的领域自适应方法的局限性，并提出了一个弱监督的适应策略，我们假设图像级标签可用于目标域。更具体地说，我们设计了一个内置的区域分割网络（作为编码器-解码器），添加了一个图像分类头来指导自适应。设计的系统能够解决多个卫星和航空图像数据集的视觉差异的问题，从高分辨率（HR）到非常高的分辨率（VHR）。通过手工标记卢旺达的73.4平方公里，创建了一个现实而具有挑战性的HR数据集，捕获了不同地形上的各种建筑结构。与现有数据集相比，开发的数据集空间丰富，涵盖了各种建筑场景，包括森林和沙漠中的建筑区，泥屋，锡和彩色屋顶。通过自适应单源域进行了大量的实验，以分割出目标域。与现有的最先进的方法相比，我们在IoU中实现了11.6%-52%的高增益。
2020-07-05 cs.CV eess.IV
Dual Local-Global Contextual Pathways for Recognition in Aerial Imagery
University Politehnica of Bucharest（布加勒斯特理工大学）
视觉上下文在目标识别中具有重要的作用，它仍然是计算机视觉中的一个未解决的问题。随着深度卷积神经网络（CNN）的出现，在此类系统中使用上下文信息开始受到文献的关注。与此同时，航空图像的发展势头也越来越强劲。虽然深度学习的进步在航空图像分析方面取得了很好的进展，但这个问题仍然带来了许多巨大的挑战。航空影像通常在光线不足的条件下拍摄，包含低分辨率的物体，很多时候被树木或更高的建筑物遮挡。在这一领域，特别是，视觉上下文可以有很大的帮助，但仍然有很少的论文，考虑在航空图像理解的背景。在这里，我们引入上下文作为识别对象的补充方式。我们提出了一个双流深度神经网络模型，该模型沿着两个独立的路径处理信息，一个用于局部视觉推理，另一个用于全局视觉推理。这两个元素在最后的处理层中结合在一起。我们的模型学习将局部对象外观以及来自更大场景的信息同时以互补的方式组合在一起，这样它们就形成了一个强大的分类器。我们测试了我们的双流网络在航空图像中的建筑物和道路的分割任务，并获得最先进的马萨诸塞州建筑物数据集的结果。我们还介绍了两个新的数据集，分别用于建筑物和道路分割，并研究了局部外观与较大场景的相对重要性，以及它们的组合性能。虽然我们的局部-全局模型在一般识别任务中也很有用，但我们清楚地证明了视觉上下文与深度网络结合用于航空图像理解的有效性。
2016-05-18 cs.CV
ISA$^2$: Intelligent Speed Adaptation from Appearance
University of Alcalá（阿尔卡拉大学）
在这项工作中，我们介绍了一个新的问题，名为智能速度适应从外观（ISA $^2$）。从技术上讲，ISA $^2$模型的目标是为给定的驾驶场景图像预测车辆的适当速度。请注意，这个问题与预测车辆的实际速度不同。它定义了一种新的回归问题，其中外观信息必须直接映射以预测车辆应该行驶的速度，同时考虑到交通状况。首先，我们为新问题发布了一个新的数据集，其中提供了多个驾驶视频序列，每帧具有足够的注释速度。然后，我们介绍了两个基于深度学习的ISA $^2$模型，这些模型经过训练，可以在给定测试图像的情况下执行适当速度的最终回归。最后，我们进行了彻底的实验验证，结果显示了所提出的任务的难度。数据集和拟议的模型都将公开提供，以鼓励对这一问题进行急需的进一步研究。
2018-10-11 cs.CV
Supervised domain adaptation for building extraction from off-nadir aerial images
The University of Melbourne（墨尔本大学）
针对离天底航空影像标签错位导致的建筑物提取问题，提出在含噪与干净数据集间对编码器-解码器网络进行监督域适应，并通过大规模基准验证其显著优于KD和DML。
2024-08-07 cs.CV
HOT: Harmonic-Constrained Optimal Transport for Remote Photoplethysmography Domain Adaptation
VNU University of Engineering and Technology, Hanoi, Vietnam（越南河内国立大学工程与技术大学）；VinUni-Illinois Smart Health Center, VinUniversity, Hanoi, Vietnam（VinUni-Illinois智慧健康中心，VinUniversity，越南河内）；College of Engineering and Computer Science, VinUniversity, Hanoi, Vietnam（VinUniversity工程与计算机科学学院，越南河内）；Center for Innovations in Health Sciences, VinUniversity, Hanoi, Vietnam（VinUniversity健康科学创新中心，越南河内）
本文提出HOT方法，通过谐波约束最优传输解决远程光脉冲波形在不同领域间的适应问题，提升模型鲁棒性和泛化能力。
2026-04-02 cs.CV
Beyond Appearance: A Multi-cue Framework and Large-scale Benchmark for Pedestrian Association and Tracking on Mobile Aerial-Ground Platforms
School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机科学学院）；Ningbo Institute, Northwestern Polytechnical University（西北工业大学宁波研究院）；National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology（国家空天地海一体化大数据应用技术工程实验室）；Shenzhen University of Advanced Technology（深圳先进技术研究院）
该研究针对移动空地平台上行人关联与跟踪面临的视点变化问题，提出FUSION框架，含MAC和OMFS模块，还引入大规模基准测试RealMvMoAT，实验表明FUSION在多个测试中达领先性能，为相关研究提供了资源。
2026-07-28 cs.CV cs.MM
Adapting Vehicle Detectors for Aerial Imagery to Unseen Domains with Weak Supervision
Carnegie Mellon University（卡内基梅隆大学）；DEVCOM Army Research Laboratory（陆军研究实验室）；Florida State University（佛罗里达州立大学）
本文提出基于微调LDM的多阶段多模态知识迁移框架，通过生成式AI合成带标签航空图像，以弱监督提升车辆检测器在未知域的泛化能力，并发布两个新数据集。
2025-07-28 cs.CV
GA-DAN: Geometry-Aware Domain Adaptation Network for Scene Text Detection and Recognition
Nanyang Technological University（南洋理工大学）
最近的对抗性学习研究在对表观空间中的跨域数据转移进行建模方面取得了令人印象深刻的进展，但在对几何空间中的跨域转移进行建模方面却远远落后。本文提出了一种创新的几何感知领域自适应网络（GA-DAN），能够同时在几何空间和外观空间中对跨域移动进行建模，并将具有非常不同特征的图像跨域逼真地转换。在建议的GA-DAN，一种新的多模态空间学习技术的设计，将源域图像转换成多个图像的不同的空间视图，在目标域。引入了一种新的解纠缠的圈一致性损失，平衡了圈在表观空间和几何空间的一致性，大大提高了整个网络的学习能力。所提出的GA-DAN已被评估为经典的场景文本检测和识别任务，实验表明，领域适应的图像实现优越的场景文本检测和识别性能，而应用于网络训练。
2019-07-23 cs.CV
ADA-Net: Attention-Guided Domain Adaptation Network with Contrastive Learning for Standing Dead Tree Segmentation Using Aerial Imagery
University of Eastern Finland（东芬兰大学）；School of Forest Sciences（森林科学学院）
本文提出注意力引导域自适应网络 ADA-Net，结合增强对比学习，将无标注的美国航空影像转换到芬兰域，实现枯立木分割并取得最优性能。
2025-04-05 cs.CV cs.LG eess.IV
Generative appearance replay for continual unsupervised domain adaptation
IBM Research Europe（IBM欧洲研究院）；ETH Zurich（苏黎世联邦理工学院）；Uppsala University（乌普萨拉大学）
深度学习模型在对大量标记数据进行训练时可以实现高精度。然而，现实世界的场景通常涉及几个挑战：训练数据可能会分期提供，可能来自多个不同的域，并且可能不包含用于训练的标签。某些设置，例如医疗应用，通常涉及由于隐私法规而禁止保留先前看到的数据的进一步限制。在这项工作中，为了解决这些挑战，我们研究了无监督分割在持续学习的情况下，涉及域转移。为此，我们引入了GarDA（连续领域自适应的生成外观重放），这是一种基于生成重放的方法，可以将分割模型顺序地适应于具有未标记数据的新领域。与单步无监督领域自适应（UDA）相比，对一系列领域的持续适应使得能够利用和整合来自多个领域的信息。与以前的增量UDA方法不同，我们的方法不需要访问以前看到的数据，使其适用于许多实际场景。我们在两个具有不同器官和模式的数据集上评估了GarDA，它大大优于现有技术。
2023-02-13 cs.AI cs.CV
Diversifying Human Pose in Synthetic Data for Aerial-view Human Detection
University of Maryland, College Park（马里兰大学 College Park分校）；BlueHalo；DEVCOM Army Research Laboratory（国防部陆军研究实验室）
针对俯视人体检测合成数据姿态多样性不足的问题，提出SynPoseDiv框架，结合扩散姿态生成与图像转换及Dijkstra优化序列，显著提升多基准检测精度，小样本场景效果尤佳。
2025-06-12 cs.CV
Leveraging Crowdsourced GPS Data for Road Extraction from Aerial Imagery
Tongji University（同济大学）
深度学习正在彻底改变地图行业。在轻量级的人工管理下，计算机使用高分辨率的航空图像在OpenStreetMap（OSM）上生成了泰国近一半的道路。Bing地图在美国显示了1.25亿个计算机生成的建筑多边形。虽然比手动地图效率高得多，但人们不能从空中绘制出所有的东西。特别是对于道路，由图像遮挡引起的小的预测间隙使得整个道路对于路由无用。错误的连接可能更危险。因此，基于计算机的测绘通常需要本地验证，这仍然是劳动密集型的。在本文中，我们建议利用众包的GPS数据来改进和支持从航空图像中提取道路。通过新的数据增强，GPS渲染和1D转置卷积技术，我们表现出近5%的改进，比以前的竞争获胜的模型，更好的鲁棒性时，预测新的领域没有任何新的训练数据或领域自适应。
2019-05-04 cs.CV
Hierarchical Instance Mixing across Domains in Aerial Segmentation
LINKS Foundation（LINKS基金会）；CINI - Consorzio Interuniversitario Nazionale per l’Informatica（意大利国家信息学大学联盟）；Politecnico di Torino（都灵理工大学）
我们研究了空中语义分割中无监督领域自适应的任务，发现目前基于域混合设计的最先进的自动驾驶算法不能很好地转换到空中设置。这是由于两个因素：（i）语义类别的扩展中的较大差异，这导致混合图像中的域不平衡，以及（ii）空中场景中的结构一致性比驾驶场景中的结构一致性弱，因为相同的场景可能从不同的视角观看，并且图像中的语义元素没有明确定义和可重复的结构。我们对这些问题的解决方案包括：（i）用于跨域的空中分割的新的混合策略，称为分层实例混合（HIMix），其从每个语义掩码中提取一组连接的分量，并根据语义分层来混合它们，以及，（ii）双胞胎─一种头架构，其中两个单独的分割头以对比方式被馈送相同图像的变化，以产生更精细的图像。分割图我们对LoveDA基准进行了大量的实验，我们的解决方案优于当前最先进的技术。
2022-10-12 cs.CV
Domain-Aware Unsupervised Hyperspectral Reconstruction for Aerial Image Dehazing
BITS Pilani（贝拉理工学院皮拉尼校区）；IIIT Kota（科塔印度信息技术学院）
由于空间细节和对比度的变化，航空图像的去雾是一个具有挑战性的问题。颗粒物密度的变化通常会导致能见度下降。因此，几种方法利用多光谱数据作为辅助信息用于雾去除。在本文中，我们提出了SkyGAN在航空图像中的烟雾消除。SkyGAN由1）域感知的雾度到高光谱（H2H）模块和2）用于去雾的基于条件GAN（cGAN）的多线索图像到图像转换模块（I2I）组成。H2H模块以无监督的方式从RGB图像中重建多个可见波段，克服了高光谱航空影像数据集模糊的问题。该模块利用任务监督和领域自适应，以便为图像去雾创建“高光谱催化剂”。I2I模块使用高光谱催化剂以及12通道多线索输入，并通过利用整个可见光谱执行有效的图像去雾。此外，这项工作还引入了一个新的数据集，称为模糊航空图像（HAI）数据集，其中包含超过65，000对模糊和地面实况航空图像，具有不同密度的真实，非均匀的模糊。SkyGAN的性能在最近的SateHaze1k数据集以及HAI数据集上进行了评估。我们还提出了一个全面的评估HAI数据集与一组代表性的国家的最先进的技术方面的PSNR和SSIM。
2020-11-07 cs.CV
Domain Adaptation for Learning Generator from Paired Few-Shot Data
National Chiao Tung University（国立交通大学）；National Yang-Ming University（国立阳明大学）；National Yang Ming Chiao Tung University（国立阳明交通大学）
提出了一种基于配对Few-Shot GAN（PFS-GAN）的生成器学习模型，该模型具有足够的源数据和少量的目标数据。虽然生成式模型学习通常需要大规模的训练数据，但我们的PFS-GAN不仅使用了少样本学习的概念，而且还使用了域转移来跨域传输知识，这避免了仅使用目标域数据进行训练时获得低质量生成器的问题。假设跨域数据集具有两个属性：（1）每个目标域样本具有其源域对应关系;（2）两个域共享相似的内容信息，但外观不同。PFS-GAN的目标是从图像中学习解纠缠表示，它由域不变的内容特征和特定于域的外观特征组成。此外，在内容特征上引入了相关损失，同时移动外观特征以增加结构多样性。大量的实验表明，我们的方法具有更好的定量和定性结果的生成的目标域数据具有更高的多样性相比，几个基线。
2021-02-25 cs.CV
Aerial-Ground Person Re-ID
Queensland University of Technology（昆士兰科技大学）
针对跨无人机与地面CCTV的行人重识别空白，本文构建AG-ReID数据集，并提出用软属性引导训练的可解释算法，实验验证了其有效性。
2023-08-14 cs.CV
ASC: Appearance and Structure Consistency for Unsupervised Domain Adaptation in Fetal Brain MRI Segmentation
Shenzhen Research Institute of Big Data（深圳大数据研究院）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
提出名为ASC的无监督域适应框架，通过基于频率的图像外观交换和结构扰动下的预测一致性，将胎儿脑图谱分割标签适应到未标记MRI数据，在FeTA 2021基准上优于现有方法。
2023-10-22 cs.CV eess.IV
Foreground-Aware Stylization and Consensus Pseudo-Labeling for Domain Adaptation of First-Person Hand Segmentation
Institute of Industrial Science, The University of Tokyo（东京大学生产技术研究所）；OMRON SINIC X Corporation（欧姆龙SINIC X公司）
手部分割是第一人称视觉中的一项重要任务。由于第一人称图像在不同的环境中表现出强烈的外观偏差，因此在手部分割中需要将预训练的分割模型适应新的领域。在这里，我们分别关注手部区域和背景的外观间隙。我们提出了（i）前景感知图像风格化和（ii）共识伪标记的领域自适应的手分割。我们使用目标图像作为样式，为前景和背景独立地对源图像进行样式化。为了解决风格化没有解决的领域转移，我们通过在源图像和风格化的源图像上训练的模型之间取得共识来应用谨慎的伪标签。我们验证了我们的方法领域自适应的手分割从真实和模拟图像。我们的方法在这两种情况下都达到了最先进的性能。我们还展示了具有挑战性的多目标领域自适应和领域泛化设置有前途的结果。代码可在https://github.com/ut-vision/FgSty-CPL上获得。
2022-03-27 cs.CV
Diffuse-UDA: Addressing Unsupervised Domain Adaptation in Medical Image Segmentation with Appearance and Structure Aligned Diffusion Models
Shenzhen Research Institute of Big Data（深圳大数据研究院）；The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））；Guangdong Provincial Key Laboratory of Big Data Computing（广东省大数据计算重点实验室）
针对医学图像分割中跨机构域差距导致的标注稀缺问题，提出融合可变形增强的扩散模型方法Diffuse-UDA，通过生成目标域图像-标签对增强无监督域自适应，性能超越主流方法且接近直接用目标域训练的理论上限。
2024-08-12 cs.CV
Lending Orientation to Neural Networks for Cross-view Geo-localization
Australian National University（澳大利亚国立大学）；Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）
研究了基于图像的地空交叉匹配定位问题。目标是通过将地面查询图像与大型地理标记的航空图像数据库（例如，卫星图像）。这是一项具有挑战性的任务，因为他们的观点和视觉外观存在巨大差异。针对该问题的现有深度学习方法一直专注于最大化空间上接近的图像对之间的特征相似性，同时最小化相距较远的其他图像对。他们通过基于这些地面和空中图像中的视觉外观的深度特征嵌入来做到这一点。然而，在日常生活中，人类通常使用{ \em方位}信息作为空间定位任务的重要线索。受此启发，本文提出了一种新的方法，赋予深层神经网络的“常识”的方向。给定地面球形全景图像作为查询输入（以及大型地理参考卫星图像数据库），我们设计了一个暹罗网络，该网络显式地编码方位（即，球面方向）。我们的方法显着提高了学习的深度特征的区分能力，导致更高的召回率和精度优于所有以前的方法。我们的网络也更紧凑，只使用1/5的参数，比以前性能最好的网络。为了评估我们的方法的泛化能力，我们还创建了一个大规模的跨视图定位基准，其中包含覆盖一个城市的100 K地理标记的地面-天线对。我们的代码和数据集可在\url{https://github.com/Liumouliu/OriCNN}获得。
2019-03-29 cs.CV
AVION: Aerial Vision-Language Instruction from Offline Teacher to Prompt-Tuned Network
The University of British Columbia, Okanagan（不列颠哥伦比亚大学奥克兰分校）；The Ohio State University（俄亥俄州立大学）；TerraSense Analytics（TerraSense分析）
AVION提出一种知识蒸馏框架，通过构建语义丰富的文本原型和轻量级提示，提升视觉语言模型在遥感图像中的适应能力，提升少样本分类和跨模态检索性能。
2026-03-13 cs.CV
Cross-Platform Video Person ReID: A New Benchmark Dataset and Adaptation Approach
Northwestern Polytechnical University（西北工业大学）；Xidian University（西安电子科技大学）
本文提出G2A-VReID地对空视频行人重识别数据集，并设计VSLA-CLIP方法，利用CLIP视觉-语义对齐与平台桥接提示解决跨平台差异问题。
2024-09-03 cs.CV
Deep Multimodality Learning for UAV Video Aesthetic Quality Assessment
Beihang University（北京航空航天大学）；Beijing Electronic Science and Technology Institute（北京电子科技学院）；Peng Cheng Laboratory（鹏城实验室）
尽管无人机（UAV）和航拍视频的数量越来越多，但关注航拍视频美学的研究却很少，这些研究可以为提高航拍的美学质量提供有价值的信息。在这篇文章中，我们提出了一种用于无人机视频美学质量评估的深度多模态学习方法。更具体地说，多流框架被设计成利用来自多个模态的美学属性，包括空间外观、无人机相机运动和场景结构。提出了一种新的专门设计的运动流网络，这个新的多流框架。我们构建了一个包含6,000个无人机摄像头拍摄的无人机视频的数据集。该模型可以判断无人机视频是由专业摄影师还是业余爱好者拍摄的，并结合场景类型分类。实验结果表明，我们的方法优于视频分类方法和传统的基于SVM的视频美学方法。最后给出了该方法在无人机视频分级、专业段检测和基于美学的无人机路径规划中的应用实例。
2020-11-04 cs.CV
CUDA-GHR: Controllable Unsupervised Domain Adaptation for Gaze and Head Redirection
University of California, Santa Cruz（加州大学圣克鲁兹分校）
凝视和头部姿态估计模型的鲁棒性高度依赖于标记数据的量。最近，生成式建模在生成照片级真实感图像方面表现出了出色的效果，这可以减轻对注释的需求。然而，采用这样的生成模型到新的域，同时保持它们的能力，以提供对不同的图像属性，\eg，凝视和头部姿势方向的细粒度控制，一直是一个具有挑战性的问题。本文提出了CUDA-GHR，一个无监督的领域自适应框架，使细粒度的控制目光和头部姿势的方向，同时保留外观相关的因素的人。我们的框架同时学习适应新的领域，并通过利用标签丰富的源域和未标记的目标域来解开视觉属性，如外观，凝视方向和头部方向。在基准数据集上的大量实验表明，该方法在定量和定性评估方面都优于最先进的技术。此外，我们还证明了在目标域中生成的图像标签对对于凝视和头部姿势估计的下游任务的预训练网络的有效性。源代码和预训练模型可在https://github.com/jswati31/cuda-ghr上获得。
2022-09-19 cs.CV
OpenWildlife: Open-Vocabulary Multi-Species Wildlife Detector for Geographically-Diverse Aerial Imagery
Systems Design Engineering, University of Waterloo（滑铁卢大学系统设计工程学院）；Department of Geomatics Engineering,University of Calgary（卡尔加里大学测绘工程系）
本文提出开放词汇野生动物检测器OpenWildlife，利用语言感知嵌入和Grounding-DINO改进，在15个数据集上训练，实现高精度检测，并引入高效搜索算法，为全球生物多样性评估提供灵活低成本方案。
2025-06-24 cs.CV
DRANet: Disentangling Representation and Adaptation Networks for Unsupervised Cross-Domain Adaptation
DGIST（大邱庆北科学技术院）；POSTECH（浦项科技大学）
在本文中，我们提出了DRANet，一个网络架构，解开图像表示和转移的视觉属性在一个潜在的空间，无监督的跨领域自适应。与现有的领域自适应方法，学习共享域的相关功能，DRANet保留了每个域的特性的独特性。我们的模型编码的内容（场景结构）和风格（艺术外观）从源和目标图像的个人表示。然后，它通过将传输的风格因子与为每个域指定的可学习权重一起合并到内容因子中来适应域。该学习框架允许利用单个编码器-解码器网络进行双向/多向领域自适应，并对齐它们的域移位。此外，我们提出了一个内容自适应域转移模块，有助于保留场景结构，同时转移风格。大量的实验表明，我们的模型成功地分离内容风格的因素，并合成视觉上令人愉快的域转移图像。所提出的方法在标准数字分类任务以及语义分割任务上展示了最先进的性能。
2021-03-28 cs.CV
Proposal-Level Unsupervised Domain Adaptation for Open World Unbiased Detector
Nanyang Technological University（南洋理工大学）；Damo Academy, Alibaba Group（阿里巴巴达摩院）；Terminus Group（特斯联集团）
针对开放世界目标检测中前景预测器偏向已知类别、未见类别外观偏移下失效的问题，提出将任务重构为提议级无监督域适应，通过自训练学习域不变特征实现无偏检测，达到当前最优性能。
2023-11-04 cs.CV
Progressive Domain Adaptation with Contrastive Learning for Object Detection in the Satellite Imagery
Texas State University（德克萨斯州立大学）
本文针对卫星影像中小而密集目标检测难题，提出结合空间金字塔池化、跨阶段部分网络、热图区域提议和图像难度自适应焦点损失的小目标检测流程，并引入对比学习与渐进域自适应生成域不变特征，在高度不平衡卫星数据集上构建首个域自适应基准，使mAP提升7.4%。
2023-10-31 cs.CV cs.LG cs.MM
FLAIR #1: semantic segmentation and domain adaptation dataset
Institut national de l’information géographique et forestière (IGN)（法国国家地理与林业信息研究所（IGN））
本文介绍FLAIR-one数据集，用于高分辨率航空影像语义分割与域适应，以支撑法国全国土地覆盖参考图OCS-GE的制作。
2023-04-19 cs.CV eess.IV
Appearance Blur-driven AutoEncoder and Motion-guided Memory Module for Video Anomaly Detection
School of Computer Science and Engineering, Xi’an University of Technology（西安理工大学计算机科学与工程学院）
提出一种基于外观模糊和运动引导记忆模块的零样本跨数据集视频异常检测方法，通过构建全局伪异常并利用运动记忆项扩大正常与异常运动差异。
2024-09-26 cs.CV
Bridging the Sim2Real gap with CARE: Supervised Detection Adaptation with Conditional Alignment and Reweighting
Georgia Tech（佐治亚理工学院）；NVIDIA（英伟达）
Sim2Real领域自适应（DA）研究的重点是从标记的合成源域到未标记或稀疏标记的真实目标域的自适应约束设置。然而，对于高风险应用（例如，自动驾驶），除了大量的自动标记的源数据（例如，来自驾驶模拟器）之外，通常还具有适量的人类标记的真实数据。我们研究了这种设置的监督sim2real DA应用到二维目标检测。我们提出了域翻译通过条件对齐和重新加权（CARE）一种新的算法，系统地利用目标标签显式地关闭sim2real外观和内容的差距。我们提出了一个分析的理由，我们的算法，并证明了强大的收益在标准基准的竞争方法。
2023-02-09 cs.CV
MIC: Masked Image Consistency for Context-Enhanced Domain Adaptation
ETH Zurich（苏黎世联邦理工学院）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；KU Leuven（鲁汶大学）
在无监督领域自适应（UDA）中，在源数据（例如，合成的）上训练的模型被适配为目标数据（例如，真实世界），而无需访问目标注释。大多数以前的UDA方法都难以处理在目标域上具有类似视觉外观的类，因为没有地面实况可用于学习轻微的外观差异。为了解决这个问题，我们提出了一个掩蔽图像一致性（MIC）模块，通过学习目标域的空间上下文关系作为鲁棒视觉识别的额外线索来增强UDA。MIC强制执行掩蔽目标图像的预测之间的一致性，其中随机补丁被保留，并且伪标签是基于由指数移动平均老师生成的完整图像。为了最大限度地减少一致性损失，网络必须学会从它们的上下文中推断被掩蔽区域的预测。由于其简单和通用的概念，MIC可以集成到不同的视觉识别任务，如图像分类，语义分割，和目标检测的各种UDA方法。MIC显著提高了不同识别任务的最新性能，用于合成到真实，白天到夜间和晴朗到恶劣天气的UDA。例如，MIC在GTA-to-Cityscapes和VisDA-2017上分别实现了前所未有的75.9 mIoU和92.8%的UDA性能，比之前的最新技术水平分别提高了+2.1和+3.0个百分点。https://github.com/lhoyer/MIC
2023-03-24 cs.CV
When Cars meet Drones: Hyperbolic Federated Learning for Source-Free Domain Adaptation in Adverse Weather
University of Padova（帕多瓦大学）
提出汽车与无人机共存的联邦语义分割新设置，通过批归一化天气感知策略与双曲空间原型对齐异构表示，并发布首个航空车辆恶劣天气数据集 FLYAWARE。
2024-09-20 cs.CV
BACTrack: Building Appearance Collection for Aerial Tracking
Beijing Institute of Technology（北京理工大学）；Key Laboratory of Photoelectronic Imaging Technology and System, Ministry of Education of China（教育部光电成像技术与系统重点实验室）；Chongqing Innovation Center, Beijing Institute of Technology（北京理工大学重庆创新中心）
针对航空目标外观快速变化导致单模板匹配失效的问题，本文提出 BACTrack，利用 MTT 并行多模板匹配并结合在线自适应模板更新，在四个基准上达到顶级性能且速度超过 87 FPS。
2023-12-11 cs.CV
Leveraging Topology for Domain Adaptive Road Segmentation in Satellite and Aerial Imagery
Information Technology University（信息技术大学）
本文提出拓扑感知的无监督域自适应道路分割方法，通过道路骨架辅助约束、跨头一致性损失和基于连通性的伪标签细化提升跨域连续性，在 SpaceNet 到 DeepGlobe 上显著优于现有方法。
2023-09-27 cs.CV eess.IV
OSMDA: OpenStreetMap-based Domain Adaptation for Remote Sensing VLMs
INSAIT, Sofia University ``St. Kliment Ohridski''（INSAIT，索菲亚大学『圣克莱门特·奥赫里德斯』）
本文提出OSMDA方法，利用OpenStreetMap数据生成自标注数据，无需人工标注或强外部模型，通过细调基础VLM实现遥感领域适应，经10个基准测试显示其在文本生成任务中达到SOTA，且训练成本更低。
2026-08-04 cs.CV cs.LG
Incremental Adversarial Domain Adaptation for Continually Changing Environments
University of Oxford（牛津大学）
连续的外观变化（如天气和照明条件的变化）可能会影响部署的机器学习模型的性能。虽然无监督域自适应旨在解决这一挑战，但目前的方法并没有利用发生变化的连续性。特别是，许多机器人应用程序都表现出这些条件，从而促进了在微小的变化上逐步适应学习模型的潜力，这些变化随着时间的推移而整合成巨大的差异。我们的工作提出了一种对抗性的终身，增量域适应的方法，受益于无监督对齐一系列的中间域，相继从标记的源域发散。我们的经验表明，我们的增量方法提高了处理大的外观变化，例如白天到晚上，在一个可遍历的路径分割任务相比，一个直接的，单一的对齐步骤的方法。此外，通过用生成对抗网络近似源域的特征分布，部署模块可以完全独立于保留潜在的大量相关源训练数据，而性能仅略有降低。
2018-02-24 cs.CV cs.RO stat.ML
Domain Adaptation on Semantic Segmentation for Aerial Images
Illinois Institute of Technology（伊利诺伊理工学院）
语义分割近年来取得了显著的进展。虽然深度神经网络可以很好地执行语义分割，但它们的成功依赖于像素级监督，这是昂贵且耗时的。此外，由于不同域中的数据分布之间的域间隙，使用来自一个域的数据进行训练可能无法很好地推广到来自新域的数据。这种域差距在航空图像中特别明显，其中视觉外观取决于成像环境的类型、季节、天气和成像环境的时间。随后，当使用预训练的分割模型来分析具有不同特征的新数据时，这种分布差距会导致严重的准确性损失。在本文中，我们提出了一种新的无监督领域自适应框架，以解决领域转移的背景下，航空语义图像分割。为此，我们通过学习源域和目标域之间的软标签分布差异来解决域偏移问题。此外，我们还在目标域上应用熵最小化来产生高置信度预测，而不是通过伪标记来使用高置信度预测。我们证明了我们的领域自适应框架使用ISPRS的挑战图像分割数据集的有效性，并显示出在各种指标方面的最先进的方法的改进。
2020-12-11 cs.CV
Quantifying the synthetic and real domain gap in aerial scene understanding
1 PhD Student, "Simion Stoilow" Institute of Mathematics of the Romanian Academy, e-mail
本文针对航空场景理解领域合成与真实图像的域差距问题，提出结合多模型一致性指标（MMCM）和深度结构指标的场景复杂度评估方法，通过实验揭示真实场景一致性更高、合成场景更具挑战性，为域适应策略优化提供关键见解。
2024-11-29 cs.AI cs.CV cs.LG
ICMSC: Intra- and Cross-modality Semantic Consistency for Unsupervised Domain Adaptation on Hip Joint Bone Segmentation
University of Bern（伯尔尼大学）；Inselspital（Inselspital医院（伯尔尼大学医院））；University Hospital of Fribourg（弗里堡大学医院）
无监督领域自适应（UDA）通过领域不变特征学习或图像外观变换，在跨模态医学图像分割中取得了很大进展。自适应特征学习通常不能检测像素级的域偏移，并且在密集的语义分割任务中不能获得良好的结果。图像外观翻译，例如CycleGAN，将图像翻译成具有良好外观的不同风格，尽管其人口，其语义一致性很难保持，并导致差的跨模态分割。在本文中，我们提出了内和跨模态语义一致性（ICMSC）的UDA和我们的关键见解是，在不同风格的合成图像的分割应该是一致的。具体来说，我们的模型包括一个图像翻译模块和一个特定领域的分割模块。图像转换模块是标准的CycleGAN，而分割模块包含两个特定于域的分割网络。模态内语义一致性（IMSC）迫使在一个周期之后的重建图像以与原始输入图像相同的方式被分割，而跨模态语义一致性（CMSC）鼓励在翻译之后的合成图像与翻译之前完全相同地被分割。综合实验结果表明，我们提出的方法的有效性，实现了81.61%的髋臼和88.16%的股骨近端的平均DICE，优于其他国家的最先进的方法。值得注意的是，如果没有UDA，在CT上训练的髋关节骨分割模型无法转移到MRI，并且几乎没有DICE分割。
2020-12-23 cs.AI cs.CV
AeroLLE: Constrained Pseudo-Supervision for Nighttime Aerial Image Enhancement with the AeroNight-1.5K Benchmark
该研究针对夜间航拍图像增强难题，构建AeroNight-1.5K基准，提出两阶段框架AeroLLE，结合约束伪监督实现更均衡的曝光与颜色校正，为无配准参考时的图像增强提供有效策略。
2026-08-04 cs.CV
Automatic vehicle tracking and recognition from aerial image sequences
University of St Andrews（圣安德鲁斯大学）
本文研究了从航空图像序列中自动跟踪和识别车辆的问题。由于其在现有文献中的成功，重点关注使用线性外观子空间来描述多视图对象外观，并强调其作为实际系统的一部分的应用所涉及的挑战。描述了一个工作解决方案，其中包括数据提取和归一化的步骤。在对真实世界数据的实验中，所提出的方法取得了令人鼓舞的结果，具有较高的正确识别率和很少的有意义的错误（第二类错误，即真正相似的目标有时会相互混淆）。未来的研究方向和可能的改进所提出的方法进行了讨论。
2015-06-23 cs.CV
PRGFlow: Benchmarking SWAP-Aware Unified Deep Visual Inertial Odometry
University of Maryland Institute for Advanced Computer Studies（马里兰大学高级计算机研究所）
空中机器人上的里程计必须具有低延迟和高鲁棒性，同时还尊重机器人尺寸所要求的尺寸、重量、面积和功率（SWAP）约束。视觉传感器与惯性测量单元（IMU）的组合已被证明是在资源受限的空中机器人上获得鲁棒和低延迟里程计的最佳组合。最近，用于视觉惯性融合的深度学习方法由于其高精度和鲁棒性而获得了发展势头。然而，这些技术的显着优点是其固有的可扩展性（适应不同大小的空中机器人）和统一性（相同的方法适用于不同大小的空中机器人），通过利用压缩方法和硬件加速，这是以前的方法所缺乏的。为此，我们提出了一种用于视觉平移估计的深度学习方法，并将其与惯性传感器松散融合，以进行完整的6DoF里程估计。我们还提出了一个详细的基准比较不同的架构，损失函数和压缩方法，使可扩展性。我们在MSCOCO数据集上评估我们的网络，并在多个真实飞行轨迹上评估VI融合。
2020-06-11 cs.CV cs.RO
A Local-Global Approach to Semantic Segmentation in Aerial Images
航空图像通常是在光照条件差的情况下拍摄的，包含低分辨率的物体，很多时候被其他物体遮挡。在这一领域，视觉上下文可能有很大的帮助，但仍然有很少的论文，考虑在航空图像理解的上下文，仍然是一个开放的问题，在计算机视觉。我们提出了一种双流深度神经网络，它沿着两条独立的路径处理信息。我们的模型学习以互补的方式将局部和全局外观结合起来，从而形成一个强大的分类器。我们测试了我们的双流网络在航空图像中的建筑物分割的任务，并获得了最先进的马萨诸塞州建筑物数据集的结果。我们研究了局部外观与较大场景的相对重要性，以及它们在三个新建筑物数据集上的组合性能。我们清楚地证明了视觉背景与深度神经网络结合用于航空图像理解的有效性。
2016-07-19 cs.CV
Exploiting Unlabeled Data with Multiple Expert Teachers for Open Vocabulary Aerial Object Detection and Its Orientation Adaptation
Tongji University（同济大学）；Southeast University（东南大学）
本文提出CastDet框架，通过多专家教师和动态标签队列实现开放词汇空中物体检测及其方向适应，提升新型物体识别与分类能力。
2026-01-24 cs.CV
Deep Kinship Verification via Appearance-shape Joint Prediction and Adaptation-based Approach
University of Southern California（南加州大学）；Samsung Research America（三星美国研究院）
亲属关系验证旨在识别两张给定人脸图像之间的亲属关系。由于训练数据的缺乏和亲属间人脸相似度的变化，这是一个非常具有挑战性的问题。在这项工作中，我们建立了一个新的外观和形状为基础的深度学习管道。首先，我们采用从一般的人脸识别网络中学习到的知识来学习一般的人脸特征。然后，我们从亲属关系中学习面向亲属关系的外观和形状特征，并将它们结合起来进行最终预测。我们已经评估了广泛使用的流行的基准模型的性能，并证明了国家的最先进的优越性。
2019-05-15 cs.CV
Analysis and Adaptation of YOLOv4 for Object Detection in Aerial Images
Manipal Institute of Technology, Manipal Academy of Higher Education（马尼帕尔高等教育学院马尼帕尔理工学院）
近年来，用于各种计算机视觉任务的无人机（UAV）部署迅速增长，为许多机会铺平了道路，使其更加有效和有价值。由于外观、姿态和尺度的变化，航空图像中的目标检测具有挑战性。自主空中飞行系统具有其固有的有限的存储器和计算能力，需要用于实时应用的精确且计算高效的检测算法。我们的工作显示了流行的YOLOv4框架的适应性，用于以高精度和推理速度预测航空图像中的对象及其位置。我们利用迁移学习来加快模型在VisDrone DET空中目标检测数据集上的收敛。经过训练的模型的平均精度（mAP）为45.64%，在Tesla K80 GPU上的推理速度达到8.7 FPS，并且在检测截断和遮挡对象时非常准确。我们通过实验评估了不同网络分辨率大小和训练时期对性能的影响。与几个当代空中物体探测器的比较研究证明，YOLOv4的性能更好，这意味着一个更合适的检测算法，以纳入空中平台。
2022-03-18 cs.AI cs.CV cs.LG
Analyzing the Impact of Low-Rank Adaptation for Cross-Domain Few-Shot Object Detection in Aerial Images
Université Sorbonne Paris Nord（巴黎北索邦大学）；L2TI（L2TI机构）；COSE（COSE机构）；LIVIA（LIVIA机构）；ETS Montreal（蒙特利尔工程学院）；IMT Mines Alès（阿莱斯矿业电信学院）
本文将 LoRA 集成到 DiffusionDet，在 DOTA 和 DIOR 上验证其在航拍跨域少样本检测中的效果，发现低样本下略优于全量微调，高样本下仍以全量微调更佳。
2025-04-08 cs.AI cs.CV
Exploring the Common Appearance-Boundary Adaptation for Nighttime Optical Flow
Huazhong University of Science and Technology（华中科技大学）；Huawei International Co. Ltd.（华为国际有限公司）
针对夜间光流因纹理弱、噪声大导致匹配失效的问题，提出基于公共潜在空间的外观-边界适配框架，结合日间域与事件域互补迁移知识，提升夜间光流性能。
2024-01-31 cs.CV
COSTA: A Cluster-Centric Paradigm for Annotation-Free Open-Set Semantic Segmentation of Aerial Point Clouds with Domain Shifts
Fujian Institute of Research on the Structure of Matter, Chinese Academy of Sciences（中国科学院福建物质结构研究所）；Institute of Urban Environment, Chinese Academy of Sciences（中国科学院城市环境研究所）；University of Chinese Academy of Sciences（中国科学院大学）；School of Resource and Environmental Sciences, Wuhan University（武汉大学资源与环境科学学院）
COSTA提出以聚类为中心的范式，无需额外训练即可在推理阶段将预训练航拍点云分割模型适配到偏移目标域，在三个基准上实现按需分割，mIoU达70.09%。
2026-08-20 cs.CV
Real-Time Multi-Modal Semantic Fusion on Unmanned Aerial Vehicles with Label Propagation for Cross-Domain Adaptation
University of Bonn（波恩大学）
配备有多个互补传感器的无人机（UAV）具有用于快速自主或远程控制语义景物分析的巨大潜力，例如，进行灾难检查。在这里，我们提出了一个无人机系统的实时的【形】语义推理和多传感器模态的融合。LiDAR扫描和RGB图像的语义分割，以及RGB和热图像上的目标检测，使用轻量级CNN架构和嵌入式推理加速器在无人机计算机上在线运行。我们遵循后期融合方法，其中来自多个传感器模态的语义信息增强3D点云和图像分割掩模，同时还生成一个allocentric语义地图。语义图上的标签传播允许具有跨模态和跨域监督的传感器特定适应。我们的系统提供了增强的语义图像和点云与$\approx$ 9赫兹。我们在城市环境和灾难测试现场的真实实验中评估集成系统。
2022-10-18 cs.CV cs.RO
FROMAT: Multiview Material Appearance Transfer via Few-Shot Self-Attention Adaptation
Trinity College Dublin（都柏林三一学院）；Arcade AI；AMD
FROMAT通过少样本自注意力适应实现多视图材料外观迁移，提供了一种简单有效的生成方法，提升多视图内容创作的外观多样性。
2025-12-10 cs.CV
Learning from Unlabelled Data with Transformers: Domain Adaptation for Semantic Segmentation of High Resolution Aerial Images
European Space Agency (ESA)（欧洲空间局（ESA））；Sapienza University of Rome（罗马第一大学（萨皮恩扎大学））
针对航空对地观测数据标注难、标签易变及半监督分割挑战，提出NEOS模型，通过域适应对齐跨域表征实现无标注图像语义分割，性能优于现有模型。
2024-04-17 cs.CV cs.LG
