TAPM-Net：面向红外小目标检测的轨迹感知扰动建模网络

红外小目标检测（ISTD）由于信号对比度弱、空间范围有限和背景杂乱，仍然是一个长期挑战。尽管卷积神经网络（CNNs）和视觉Transformer（ViTs）带来了性能提升，但现有模型缺乏一种机制来追踪小目标如何在特征空间中触发定向的、逐层的扰动，而这正是区分红外场景中信号与结构化噪声的关键线索。为了解决这一局限，我们提出了轨迹感知Mamba传播网络（TAPM-Net），它显式地建模了目标引起的特征扰动的空间扩散行为。TAPM-Net 基于两个新颖的组件构建：扰动引导路径模块（PGM）和轨迹感知状态块（TASB）。PGM 从多层特征构建扰动能量场，并提取反映局部响应方向性的梯度跟随特征轨迹。生成的特征轨迹被送入 TASB，这是一个基于 Mamba 的状态空间单元，它沿着每条轨迹建模动态传播，同时融合了速度约束扩散以及来自词级和句级嵌入的语义对齐特征融合。与现有的基于注意力的方法不同，TAPM-Net 能够沿空间轨迹实现各向异性、上下文敏感的状态转换，同时以低计算成本保持全局一致性。在 NUAA-SIRST 和 IRSTD-1K 上的实验表明，TAPM-Net 在 ISTD 任务中达到了最先进的性能。