Infrared Small Target Detection Using a Temporal Variance and Spatial Patch Contrast Filter
PulseAugur coverage of Infrared Small Target Detection Using a Temporal Variance and Spatial Patch Contrast Filter — every cluster mentioning Infrared Small Target Detection Using a Temporal Variance and Spatial Patch Contrast Filter across labs, papers, and developer communities, ranked by signal.
-
新型神经网络利用双知识引导解决红外小目标检测问题
研究人员开发了两种用于红外小目标检测的新型神经网络架构，即ADGNet和DGNet。ADGNet利用非对称双文本提示和非对称双分支交互，分别用目标和背景提示引导视觉特征，解决了红外语义不对称问题。DGNet采用先验知识小波调制模块和共识知识方向对齐损失，利用双文本先验来解耦背景和目标语义并优化检测。这两种方法都旨在增强目标并抑制背景，在公开数据集上的表现优于现有的最先进方法。
-
RDANet 通过新颖的下采样和记忆模块改进红外小目标检测
研究人员开发了 RDANet，这是一种旨在改进红外图像中小目标检测的新型网络。该新方法通过引入两个关键模块来解决目标尺寸极小、局部对比度弱和背景复杂等挑战。多尺度抗锯齿下采样 (MSAD) 模块在分辨率降低过程中保留目标形状信息，而原型引导跳跃记忆 (PGSM) 模块则在不同场景背景下保持稳定的局部对比度线索。在公开基准上的实验表明，RDANet 的性能优于现有方法，在不同目标尺寸和背景复杂度下表现出更稳定的检测性能。
-
新的AI模型应对跨域红外目标检测 · 2个来源
两篇新的研究论文提出了改进跨不同成像域的红外小目标检测（IRSTD）的新方法。第一篇论文HyTBE介绍了一个双曲目标背景专家模型，该模型在训练期间扩展了观察到的目标背景关系模式，以增强跨域泛化能力。第二篇论文JinSight提出了一个“先理解后检测”的范式，利用视觉语言学习创建一个能够跨异构红外域泛化的单一模型，并为此引入了OmniIRST-VL数据集。
-
两篇新论文应对红外小目标检测挑战
两篇研究论文提出了红外小目标检测（IRSTD）的新方法，IRSTD因其低信噪比和目标尺寸小而极具挑战性。第一篇论文介绍了SEF-DETR，它通过频谱筛选和频率路由检查来优化查询初始化，以克服标准DETR检测器被背景特征淹没的局限性。第二篇论文SPIRE将IRSTD重新表述为质心回归任务，利用单点监督来指导一个仅编码器的框架，并以较低的计算成本实现具有竞争力的检测。
-
轻量级Mamba网络在红外小目标检测方面表现出色
研究人员开发了LCMamNet，这是一种新颖的轻量级网络，专为红外小目标检测而设计。该网络利用Mamba架构逐步增强局部目标结构并融合跨尺度上下文信息。在多个数据集上的实验表明，与现有方法相比，LCMamNet在参数量和计算成本显著降低的情况下实现了高精度。其高效的性能也使其适合在NVIDIA Jetson Orin NX等边缘设备上进行实时部署。
-
Gaze-DETR 使用优先级图进行红外无人机检测
研究人员开发了Gaze-DETR，一种用于检测红外图像中小而弱目标的新方法，特别针对无人机（UAV）。该方法在定位之前引入了受生物启发的内部优先级图来指导检测过程，解决了杂波和遮挡等挑战。Gaze-DETR 使用优先级头来预测此图，通过残差优先级引导特征调制（RPFM）增强高优先级特征，并通过优先级引导锚点查询注入（PAQI）将这些优先级注入解码器查询。该系统在新数据集如TIR-UAV120-Gaze和Anti-UAV410上表现强劲…
-
新的LCPNet方法增强了红外小目标检测能力
研究人员推出了一种新颖的、用于红外小目标检测的潜变量一致近端展开网络LCPNet。该方法在潜变量空间中运行，利用目标和背景的低秩先验的有效性。LCPNet使用一种专门的求解器，直接从其先前状态更新潜变量，通过自适应归一化和增益控制来增强稳定性。此外，共享优化内存机制为所有展开阶段提供协调指导，与现有的最先进方法相比，在公开基准测试中表现更优。
-
新模型增强红外小目标检测能力
研究人员开发了一种名为RPCASSM的新模型，用于检测红外图像中的小目标。该模型采用鲁棒主成分分析方法，以更好地将目标与背景噪声区分开来。它包含专门的模块，用于分别建模背景和目标信息，解决了现有视觉状态空间模型在红外应用中的局限性。
-
新框架利用基于物理的标签改进红外小目标检测
研究人员开发了一个名为Diffuse to Detect的新框架，通过点监督来改进红外小目标检测。该方法解决了复杂图像中不稳定的伪标签和样本分布不平衡等挑战。通过采用基于热扩散的物理诱导标注策略，系统可以从单点标签生成更可靠的伪掩码，并采用双层双更新框架来优化检测器和样本权重。
-
新框架利用物理诱导标签改进红外目标检测
研究人员开发了一种新的点监督红外小目标检测框架，解决了伪标签不稳定和样本不平衡的挑战。他们的方法利用基于热扩散的物理诱导标注策略，从单点标签生成可靠的伪掩码。一个双层双更新框架优化了检测器权重、样本权重和扩散参数，增强了监督并适应样本分布。