北航等提出红外主导目标检测方案InfraNet 训练时利用RGB推理时只用红外
北航团队提出InfraNet，以红外为主、用质量感知机制控制RGB引导，使模型在夜间等场景更鲁棒，且推理时可仅用红外。
传统RGB与红外融合检测中，低照度下RGB图像退化会引入噪声降低性能。北航团队提出InfraNet，采用红外为主路径，用QualGate模块自适应抑制不可靠RGB引导并增强红外特征，支持双模态或纯红外推理，在多个基准上取得领先结果。
正文摘录
 新智元报道  【新智元导读】 在复杂视觉场景中，红外目标检测至关重要。传统方法依赖 RGB 与红外融合，但 RGB 在低照度或恶劣天气下可能退化，影响检测效果。北航等团队提出 InfraNet，以红外为主，利用质量感知机制控制 RGB 引导，提升鲁棒性。 在夜间感知、安防监控、无人机巡检与自动驾驶等复杂视觉场景中，红外目标检测具有重要应用价值。 传统 RGB-IR 多模态检测方法通常默认 RGB 与红外信息互补，并在训练和推理阶段同时融合两种模态。然而，在低照度、雾天、强逆光等真实场景下，RGB 图像可能严重退化，不但难以提供有效补充，反而可能将噪声引入红外表示，造成检测性能下降。 针对这一问题，Beihang University 等机构提出一种面向高效红外目标检测的质量感知 RGB 引导框架 InfraNet 。 InfraNet 采用 IR-centric 设计，将红外分支作为主路径，RGB 分支作为训练阶段的可靠性受控辅助信号，并提出 QualGate 模块自适应抑制不可靠 RGB 引导、补偿红外特征。  论文链接：https://arxiv.org/abs/2607.03795 基于该框架，InfraNet 同时支持 RGB-IR 双模态推理和 IR-only 单模态部署。