ECCV 2026 收录 InfraNet：训练用 RGB 辅助，推理可纯红外
InfraNet 将 RGB 降为训练期辅助信号，让红外检测在推理时无需 RGB 仍保持高精度。
夜间或雾天中 RGB 图像严重退化，传统双模态检测强制在推理时依赖 RGB 常引入噪声。InfraNet 将 RGB 限制为训练阶段辅助信号，推理时可完全去掉 RGB，并用 QualGate 动态控制 RGB 注入强度，在多个数据集上稳定提升红外检测精度。
正文摘录
.jpg)  作者团队来自 Beihang University、Zhongguancun Academy、Communication University of China 和 KAUST，研究方向涵盖红外目标检测、多模态感知与复杂环境视觉。丰子超、朱昊东为共同第一作者，徐昇为通讯作者。 在讨论 RGB-IR 目标检测时，「两种模态互补」几乎是默认前提。RGB 擅长保留纹理和颜色，红外图像在弱光条件下更稳定，于是最直接的路线是搭建双分支网络，让它们在中间层不断交换信息。 InfraNet 的出发点却来自一个不太符合这一直觉的现象。 作者在 M3FD 夜间样例上查看了不同网络的中间特征。纯 IR 分支仍能把响应集中在车辆和行人附近；RGB 分支已经出现大面积背景噪声。更值得注意的是，一些融合模型得到的特征并没有比 IR 更干净，反而带入了额外激活。