IRSTD-1k
PulseAugur coverage of IRSTD-1k — every cluster mentioning IRSTD-1k 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。
-
SPARK-SAM利用响应知识改进红外小目标分割
研究人员开发了SPARK-SAM，一种改进SAM等分割模型在红外小目标检测应用性能的新方法。该方法通过图像条件联合自提示状态来调整解码器，解决了空间提示与目标域掩码响应之间的不匹配问题。该方法结合了基准掩码监督和可靠性感知响应引导，在多个数据集上实现了IoU分数的显著提升，优于其他SAM变体。
-
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。
-
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。