PAD：自监督预训练与红外图像的 Patchwise-Scale Adapter

该研究介绍了自主学习在红外图像领域的应用，提供了一个大规模红外预训练数据集，通过对象敏感的随机 RoI 裁剪方法和面向纹理缺失的图像预处理方法解决了传统方法在红外图像上的挑战，并引入可动态学习尺度因子的分块适配器来实现预训练特征和新特征之间的灵活协调。实验证明，在三个下游任务上，该方法优于其他基线模型，仅使用了 1.23M 可预训练参数。