DroneGround 框架利用合成数据提升无人机载荷检测精度
热点事件持续更新
DroneGround 框架利用合成数据提升无人机载荷检测精度
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
研究团队提出 DroneGround 框架,结合 Unreal Engine 5 和 Cosys-AirSim 生成合成数据集,并采用 YOLO26s 检测器配合 LoRA 微调的 PaliGemma 视觉语言模型。该方案将无人机载荷检测 F1 分数从 82.5% 提升至 96.3%,未见类别识别率达 80.4%,有效缓解了仿真到现实的分布偏移问题,显著优于传统闭集检测方法。相关数据集与代码将在收到请求后发布。
AI 根据报道生成 · 9 小时前更新
最新进展11月18日 13:00
DroneGround:利用合成数据与接地视觉语言模型实现无人机载荷开放词汇表征报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉DroneGround:利用合成数据与接地视觉语言模型实现无人机载荷开放词汇表征
DroneGround 框架通过 Unreal Engine 5 和 Cosys-AirSim 生成合成数据集,结合 YOLO26s 检测器与 LoRA 微调的 PaliGemma 模型,将无人机载荷 F1 分数从 82.5% 提升至 96.3%,未见类别识别率达 80.4%。该方案有效缓解仿真到现实分布偏移问题,显著优于传统闭集检测方法。数据集与代码将在收到请求后发布。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月18日 17:00
- 近 24 小时变化
- –
02.557.510
18:0020:0022:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。