跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. 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
–

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。