SeqCSIST：顺序紧密 spaced 红外小目标分离
计算机视觉与模式识别
2025-07-15 v1
摘要
由于光学镜头焦距长度和红外探测器分辨率的限制，远距离紧密 spaced 红外小目标 (CSIST) 组在红外图像中通常表现为混合斑点。本文提出了一种新任务——顺序 CSIST 分离，即以亚像素定位形式检测高度密集 CSIST 组中的所有目标。然而，实现如此精确的检测极其困难。此外，缺乏高质量公共数据集也限制了研究进展。为此，我们首先贡献了一个开源生态系统，包括 SeqCSIST 数据集、为该任务提供客观评估指标的工具包，以及23种相关方法的实现。进一步，我们提出了可变形细化网络 (DeRefNet)，一种引入时变可变形特征对齐 (TDFA) 模块以实现自适应帧间信息聚合的模型驱动深度学习框架。就我们所知，本工作是首次在多帧范式中解决 CSIST 分离任务。SeqCSIST 数据集上的实验表明，我们的方法在平均精度 (mAP) 指标上超越了最新方法，提升了5.3%。我们的数据集和工具包已提供给 https://github.com/GrokCV/SeqCSIST。
引用
@article{arxiv.2507.09556,
title = {SeqCSIST: Sequential Closely-Spaced Infrared Small Target Unmixing},
author = {Ximeng Zhai and Bohan Xu and Yaohong Chen and Hao Wang and Kehua Guo and Yimian Dai},
journal= {arXiv preprint arXiv:2507.09556},
year = {2025}
}
备注
Accepted by TGRS