面向高光谱物体跟踪的 Hyperspectral Mamba
计算机视觉与模式识别
2025-09-11 v1
摘要
高光谱物体跟踪因其丰富的光谱信息和精细的材料区分能力，具有广阔的应用前景，这些特性在具有挑战性的场景中尤为重要。虽然现有的高光谱跟踪器通过将高光谱数据转换为伪彩色图像或采用模态融合策略取得了进展，但往往难以捕获内在的光谱信息、时序依赖性以及跨深度相互作用。为此，本文提出一种新型高光谱物体跟踪网络，采用Mamba架构（HyMamba），通过状态空间模块（SSMs）统一光谱、跨深度和时序建模。HyMamba的核心在于谱态集成（SSI）模块，使其能够通过跨深度和时序光谱信息对光谱特征进行渐进式细化和传递。在每个SSI模块内部，引入高光谱Mamba（HSM）模块，通过三个方向扫描的SSMs同步学习空间和光谱信息。基于SSI和HSM，HyMamba从原始高光谱图像中提取光谱特征，并与来自伪彩色输入的联合特征进行交互，以实现特征增强。在七个基准数据集上的大量实验表明，HyMamba在性能上实现了最先进的水平。例如，在HOTC2020数据集上，HyMamba达到了73.0%的AUC得分和96.3%的DP@20得分。代码将在https://github.com/lgao001/HyMamba发布。
引用
@article{arxiv.2509.08265,
title = {Hyperspectral Mamba for Hyperspectral Object Tracking},
author = {Long Gao and Yunhe Zhang and Yan Jiang and Weiying Xie and Yunsong Li},
journal= {arXiv preprint arXiv:2509.08265},
year = {2025}
}