解决方案的关键在于提出一种融合文本注释的全景符号定位（panoptic symbol spotting）框架，通过联合建模几何与文本原语构建统一表征，并引入基于类型的注意力机制（type-aware attention mechanism）增强Transformer主干网络，以显式捕捉不同类别原语之间的空间依赖关系，从而提升复杂CAD图纸中的符号识别准确性和鲁棒性。 【速读】：该论文旨在解决热成像（thermal imagery）中面部关键点检测（Facial Landmark Detection, FLD）因缺乏丰富视觉线索而导致的性能瓶颈问题。 传统跨模态方法如特征融合或RGB到热图的图像翻译存在计算复杂度高或引入结构伪影的问题，限制了实际部署。 其解决方案的关键在于提出多层级跨模态知识蒸馏（Multi-Level Cross-Modal Knowledge Distillation, MLCM-KD）框架，将高保真RGB到热图的知识迁移与模型压缩解耦，从而实现准确且高效的热成像FLD模型。 其中，核心创新是双注入知识蒸馏（Dual-Injected Knowledge Distillation, DIKD），该机制通过双向监督：一方面用RGB教师模型的丰富特征引导热图学生模型，另一方面将学生学习到的表示反馈至冻结教师的预测头进行验证，形成闭环监督，强制学生学习跨模态不变的语义特征，有效弥合RGB与热图之间的模态鸿沟（modality…