AuxDet：辅助元数据对 Omni-域红外小目标检测的重要性
计算机视觉与模式识别
2025-10-08 v2
摘要
Omni-域红外小目标检测（Omni-IRSTD）面临巨大挑战，因为单个模型必须同时 seamless 适应多种成像系统、不同分辨率和多个光谱带。当前方法主要依赖视觉建模范式，无法处理复杂背景干扰和目标特征稀缺的问题，同时在面对复杂的 Omni-场景环境时泛化能力有限，其中存在显著的领域迁移和外观变异。本文揭示了现有范式的一个关键疏漏：忽略了描述成像参数和获取条件的 readily available 辅助元数据，如光谱带、传感器平台、分辨率和观察视角。为解决这一局限，本文提出了基于辅助元数据驱动的红外小目标检测器（AuxDet），这是一种首次将元数据纳入 IRSTD 范式以实现 scene-aware 优化的 novel 多模态框架。通过基于多层感知器（MLP）的高维融合模块，AuxDet 动态地将元数据语义与视觉特征集成，引导每个样本的自适应特征学习。此外，我们设计了一个使用 1D 卷积块初始化的轻量级 prior-initialized 增强模块，以进一步细化融合特征并恢复细粒度目标线索。大量实验在具有挑战性的 WideIRSTD-Full 数据集上表明，AuxDet 在所有 SOTA 方法中均表现出色，验证了辅助信息在提升 Omni-域 IRSTD 任务鲁棒性和准确性中的关键作用。代码已公开于 https://github.com/GrokCV/AuxDet。
关键词
引用
@article{arxiv.2505.15184,
title = {AuxDet: Auxiliary Metadata Matters for Omni-Domain Infrared Small Target Detection},
author = {Yangting Shi and Yinfei Zhu and Renjie He and Le Hui and Meng Cai and Ming-Ming Cheng and Yimian Dai},
journal= {arXiv preprint arXiv:2505.15184},
year = {2025}
}