IrisNet：用于红外小目标检测的红外图像状态感知元解码器
计算机视觉与模式识别
2025-11-26 v1
摘要
红外小目标检测（IRSTD）面临信噪比低、背景复杂以及目标特征缺失等显著挑战。虽然深度学习基于编码器-解码器框架已推动该领域发展，但其静态模式学习会因模式漂移在不同场景下受限（例如日夜变化、天空/海洋/地面领域），限制了鲁棒性。为此，我们提出 IrisNet，一种新型元学习框架，动态适应输入红外图像状态。我们的ethods建立了红外图像特征与整个解码器参数之间的动态映射。更具体地，我们将参数化解码器表示为保持层次相关性的结构 2D 张量，并通过自注意力建模解码器层间依赖关系，同时通过交叉注意力生成自适应解码模式。为进一步增强红外图像的感知能力，我们整合了高频成分以补充目标位置和场景边缘信息。在 NUDT-SIRST、NUAA-SIRST 和 IRSTD-1K 数据集上的实验表明，我们的 IrisNet 优于基线方法，实现了最先进的性能。
引用
@article{arxiv.2511.20319,
title = {IrisNet: Infrared Image Status Awareness Meta Decoder for Infrared Small Targets Detection},
author = {Xuelin Qian and Jiaming Lu and Zixuan Wang and Wenxuan Wang and Zhongling Huang and Dingwen Zhang and Junwei Han},
journal= {arXiv preprint arXiv:2511.20319},
year = {2025}
}
备注
10pages,5figures