可见光与红外不再一次性拼接：分三段控制模态，M3FD上mAP50到88.6%
可见光与红外图像各自成像机制不同，直接拼接或一次性注意力融合容易把背景纹理和热干扰当成互补证据。FCI-DETR把检测流程拆成融合前保留模态结构、融合中校准跨模态响应、融合后按尺度注入红外上下文三个相连阶段，在M3FD、DroneVehicle、VEDAI和FLIR四个公开数据集上分别取得88.6%、84.3%、86.7%和81.5%的mAP50。在M3FD固定协议下，完整模型比同骨干的RGB+IR RT-DETR基线高6.0个百分点。