Na-IRSTD：基于本征分辨率特征选择与融合的红外小目标检测方法
计算机视觉与模式识别
2026-05-08 v1
摘要
红外小目标检测（IRSTD）面临在复杂背景杂乱中精确定位微弱目标的内在挑战。尽管已有研究取得进展，但现有方法通常遵循传统策略，对特征进行下采样并丢弃小目标的细节，从而导致性能不佳。本文提出Na-IRSTD，一种用于红外小目标检测的本征分辨率特征提取与融合框架。该框架优雅地引入本征分辨率特征以保留细微目标线索，克服了现有红外方法的分辨率局限性，显著提升模型定位小目标的能力。我们还引入一种有效的token降采样与选择策略，该策略以高精度和高置信度选择目标patches，从而在有效减少本征分辨率patch tokens（相较于稠密处理）的同时提升特征的底层细节，从而避免施加不可接受的计算负担。广泛的实验表明，我们的token降采样与选择策略在多个公开数据集上具有良好的鲁棒性和有效性。最终，我们的Na-IRSTD模型在四个基准数据集上实现了最先进的性能。
引用
@article{arxiv.2605.05804,
title = {Na-IRSTD: Enhancing Infrared Small Target Detection via Native-Resolution Feature Selection and Fusion},
author = {Qian Xu and Chi Zhang and Qiming Zhang and Xi Li and Haojuan Yuan and Mingjin Zhang},
journal= {arXiv preprint arXiv:2605.05804},
year = {2026}
}