跨尺度桥接：遥感图像中均衡的微型与通用目标检测
计算机视觉与模式识别
2025-12-02 v1
摘要
遥感图像中的微型目标检测近年来吸引了大量研究关注。尽管近期取得的进展，但在稀疏微型目标与大型目标共存的场景中，实现跨尺度的均衡检测性能仍是一个巨大的挑战，尤其是在极端尺寸变化和密度分布固有的遥感图像场景中。尽管大型基础模型在通用视觉任务中取得了突破，但其在微型目标检测中的应用尚未探索，由于遥感图像固有的尺寸变化和密度分布。为桥接这一尺度差距，我们提出了ScaleBridge-Det，据称是首个专为微型目标设计的大规模检测框架，能够通过尺度自适应专家路由和密度引导查询分配实现跨尺度的均衡性能。具体而言，我们引入了Routing-Enhanced Mixture Attention（REM）模块，通过自适应路由动态选择和融合尺度特定专家特征，以解决标准Mixture of Experts模型倾向于主导尺度的趋势。REM生成适用于微型和大型目标的互补且具辨识力的多尺度表示。此外，我们提出了密度引导动态查询（DGQ）模块，通过预测目标密度来自适应调整查询位置和数量，实现不同尺寸目标的高效资源分配。该框架使ScaleBridge-Det能够同时优化密集微型目标和通用目标性能，而无需权衡。在基准数据集和跨域数据集上的大量实验表明，ScaleBridge-Det在AI-TOD-V2和DTOD上实现了最先进的性能，并在VisDrone上展现出优异的跨域鲁棒性。
引用
@article{arxiv.2512.01665,
title = {Bridging the Scale Gap: Balanced Tiny and General Object Detection in Remote Sensing Imagery},
author = {Zhicheng Zhao and Yin Huang and Lingma Sun and Chenglong Li and Jin Tang},
journal= {arXiv preprint arXiv:2512.01665},
year = {2025}
}