arXiv:2605.24928v2 cs.CV

MambaDSF: 소나 소형 표적 탐지를 위한 확장 특징 융합 기반 다중 스케일 SSM

MambaDSF: Multi-Scale SSM with Dilated Feature Fusion for Sonar Small Target Detection

Hui Lin, Jiayi Li, Jing Wang, Shenghui Rong

제출 2026-05-24

저자 비고

arXiv Comments

8 pages, 4 figures, under review at IEEE Geoscience and Remote Sensing Letters (GRSL)

한국어 초록

소나 이미징은 수중 표적 탐지를 위한 주요 모달리티이지만, 불충분한 픽셀 커버리지, 낮은 음향 대비, 이미징 거리에 따른 스케일 모호성으로 인해 소형 표적을 탐지하는 것은 여전히 어렵습니다. CNN 기반 탐지기는 국소 특징을 효율적으로 추출하지만 전역적인 음향 컨텍스트 없이는 노이즈로 인한 오경보를 억제하지 못합니다. 트랜스포머(Transformer) 기반 방법은 2차(quadratic) 계산 비용으로 장거리 의존성을 포착합니다. 기존의 맘바(Mamba) 기반 비전 모델은 효율적인 선형 비용 스캐닝을 제공하지만, 신뢰할 수 있는 소나 탐지에 필요한 피라미드 레벨 간 다중 스케일 시맨틱 정렬, 다중 수용영역 융합, 소형 표적 인지 학습 지도(supervision)가 부족합니다. 본 논문에서는 세 가지 기여를 통해 이러한 한계를 해결하는 하이브리드 프레임워크인 Mamba Dilated-Scale Fusion(MambaDSF)을 제안합니다. 선형 복잡도로 국소 에코 단서와 전역 음향 컨텍스트를 함께 포착하는 Mamba Enhanced Feature Pyramid(MambaEFP) 백본, 피라미드 레벨 간 다중 스케일 특징 정렬을 강화하는 Dilate Fusion Mamba(DFMamba) 인코더, 소형 표적 학습을 안정화하는 Scale-Adaptive Weighted IoU(SA-WIoU) 및 Cross-Scale Coherence(CSC) 손실 함수입니다. MambaDSF는 2,870만 개의 파라미터로 UATD 전방 관측 소나 벤치마크에서 91.5% mAP50을 달성하여 비교 대상인 모든 탐지기를 능가했습니다. 소형 표적 서브셋에서는 성능 향상이 +2.2%p에 달했으며, FLS 및 MD-FLS에 대한 도메인 간 평가를 통해 제안된 아키텍처의 일반화 성능을 확인했습니다. 코드는 https://github.com/IDontKnowAAA/MambaDSF 에서 공개되어 있습니다.

원문 초록

Sonar imaging is the primary modality for underwater target detection, yet small targets remain difficult to detect due to insufficient pixel coverage, low acoustic contrast, and scale ambiguity across imaging ranges. CNN-based detectors extract local features efficiently but cannot suppress noise-induced false alarms without global acoustic context. Transformer-based methods capture long-range dependencies at quadratic computational cost. Existing Mamba-based vision models offer efficient linear-cost scanning but lack multi-scale semantic alignment across pyramid levels, multi-receptive-field fusion, and small-target-aware training supervision needed for reliable sonar detection. This letter proposes Mamba Dilated-Scale Fusion (MambaDSF), a hybrid framework addressing these limitations through three contributions: a Mamba Enhanced Feature Pyramid (MambaEFP) backbone that jointly captures local echo cues and global acoustic context at linear complexity; a Dilate Fusion Mamba (DFMamba) encoder that enforces multi-scale feature alignment across pyramid levels; and Scale-Adaptive Weighted IoU (SA-WIoU) and Cross-Scale Coherence (CSC) losses that stabilize small-target training. MambaDSF achieves 91.5% mAP50 on the UATD forward-looking sonar benchmark with 28.7 million parameters, surpassing all compared detectors. On a small-target subset the gain reached +2.2 percentage points, and cross-domain evaluation on FLS and MD-FLS confirms the generalization of the proposed architecture. The codes are publicly available at https://github.com/IDontKnowAAA/MambaDSF.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2605.24928v2

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2607.23994v2cs.CV공통 태그 Object Detection, small target detection

적외선 소형 표적 탐지에서 유효 수용 영역 순서의 중요성

Effective Receptive Field Ordering Matters for Infrared Small Target Detection

본 연구에서는 적외선 소형 표적 탐지를 위한 이전에 탐구되지 않은 아키텍처 차원인, 특징 정제 과정에서의 유효 수용 영역(ERF) 조직화를 조사한다. 개별 특징 연산자를 개선하는 데 주로 초점을 맞춘 기존 접근법과 달리, 우리는 ERF 조직화가 수용 영역 설계 자체와는 독립적인 아키텍처 차원을 구성한다고 주장하며, 깊은 특징 변환을 점진적 잔차 보정 과정으로 공식화하고, 이로부터 ERF 스케줄링을 위한 이론적 프레임워크를 수립한다. 구체적으로, ERF 정제는 두 가지 근본적 특성에 의해 지배됨을 밝힌다: 서로 다른 ERF 스케일을 각기 다른 잔차 주파수 특성과 정렬하는 스케일-주파수 대응(scale-frequency correspondence), 그리고 서로 다른 ERF 순서가 근본적으로 다른 정제 궤적을 만들어내는 비선형 비가환성(nonlinear non-commutativity). 이 두 특성은 ERF 스케일만이 아니라 ERF 조직화가 정제 역학을 지배함을 보여준다. 이러한 원칙에 따라, 표준 $3\times3$ 컨볼루션만을 사용하여 multigrid에서 영감을 받은 V-cycle 전략을 통해 계층적 ERF 스케줄링을 구현하는 Receptive Field Ordering Network(RFONet)를 제안한다. RFONet은 단 1.16M개의 파라미터와 157 FPS 이상의 추론 속도로 여러 벤치마크에서 최첨단 성능을 달성한다. 실증적 성능을 넘어, 우리의 이론적 분석은 교란, 주파수 이동, 부분 가림 하에서 안정적인 잔차 정제에 대한 이론적 보장을 제공하며, 이는 우수한 노이즈 견고성과 교차 데이터셋 일반화에 일관되게 반영된다. 마지막으로, 우리의 프레임워크는 ERF 조직화를 과제 의존적 최적화 목표로 재공식화하여, 향후 적응형 수용 영역 스케줄링을 위한 원칙적 기반을 제공한다.

arXiv:2607.24184v1cs.CV공통 태그 Object Detection, small target detection

LCMamNet: 적외선 소형 표적 탐지를 위한 경량 크로스-스케일 Mamba 네트워크

LCMamNet: A Lightweight Cross-scale Mamba Network for Infrared Small Target Detection

적외선 소형 표적 탐지(IRSTD)는 저고도 인지, 무인 시스템 경보, 보안 모니터링에 중요하다. 그러나 적외선 영상의 약한 표적은 보통 몇 픽셀에 불과하며 구름 클러터, 지면 경계, 밝은 노이즈에 쉽게 묻혀, 경량 분할(segmentation) 기반 방법이 배경 간섭을 억제하면서 국소 표적 구조를 보존하기 어렵게 만든다. 이러한 과제를 해결하기 위해, 우리는 국소 표적 구조를 점진적으로 강화하고 잠재 공간에서 크로스-스케일 문맥을 상호작용하며 배경 억제와 함께 공간적 세부 정보를 복원하는 경량 크로스-스케일 Mamba 네트워크인 LCMamNet을 제안한다. 구체적으로, 십자형 방향 병목 잔차(CDBR) 블록을 갖춘 컴팩트 계층적 인코더는 작은 연산 예산 하에서 방향 민감 표적 구조를 강화한다. 잠재 밀집 크로스-스케일 융합(LDCF) 모듈은 양방향 Mamba 모델링을 통해 밀집 전계층 상호작용을 수행하고, 상호작용된 특징을 안정적인 계층적 의미론으로 재구성한다. 마지막으로, 점진적 디코더는 무관한 배경 텍스처를 억제하면서 얕은 공간 세부 정보를 선택적으로 복원한다. IRSTD-1k, NUAA-SIRST, NUDT-SIRST에 대한 광범위한 실험 결과, 제안 네트워크는 각각 71.25%, 79.60%, 95.58%의 mIoU 점수를 달성하며, 파라미터는 1.175M, 연산량은 6.91 GFLOPs에 불과하다. 또한 평균 추론 지연시간 6.62 ms로 동작하며, NVIDIA Jetson Orin NX 16G SUPER에서의 배포 결과는 실시간 엣지 추론에 대한 실용적 잠재력을 더욱 보여준다. 코드와 체크포인트는 https://github.com/Haoyu096/LCMamNet 에서 공개적으로 이용 가능하다.

arXiv:2607.08076v1cs.CV공통 태그 Object Detection, state space model

LDFE: 이중 스트림 CNN 기반 RGB-IR 객체 검출을 위한 라플라시안 분리 특징 향상 블록

LDFE: Laplacian Decoupled Feature Enhancement Block for Dual-Stream CNN-based RGB-IR Object Detection

RGB 영상과 IR 영상 간의 상보적 정보는 극한 조건에서의 객체 검출 성능을 크게 향상시킬 수 있다. 기존 방법들은 YOLO 기반의 이중 스트림 CNN 백본을 활용한 특징 추출을 선호하며, 특징 융합 설계에 집중한다. 본 논문에서는 이중 스트림 CNN 백본의 서로 다른 단계에서 추출된 특징을 융합하기 위해 라플라시안 분리 특징 향상 블록(Laplacian Decoupled Feature Enhancement block, LDFE)을 제안한다. LDFE는 설계상 전역-지역 분해, 노이즈 제거, 융합, 재구성을 순차적으로 적용함으로써 특징 융합 시 모달리티와 구조적 특성을 동시에 고려한다. LDFE는 먼저 라플라시안 피라미드(Laplacian Pyramid)를 기반으로 특징을 전역 및 지역 성분으로 분리한 후, 전역 상태 공간 향상 모듈(Global State Space Enhancement module, GS2E)과 지역 합성곱 상관 향상 모듈(Local Convolutional Correlation Enhancement module, LC2E)을 통해 각각 노이즈 제거 및 융합을 수행한다. 구체적으로, GS2E는 주 모달리티와 보조 모달리티를 위한 이중 분기 구조를 채택한다. 보조 모달리티로부터 도출된 교차 모달 어텐션을 통해 주 모달리티의 노이즈를 동적으로 억제하는 동시에, 상태 공간 모델(State Space Model)을 활용하여 주 모달리티의 전역 특징 표현 내 장거리 의존성을 포착한다. 양방향 상호작용을 위해 두 모달리티는 주/보조 역할을 체계적으로 교대한다. 또한 LC2E는 지역 특징의 노이즈를 억제하고, 공간 및 채널 차원과 삼중 합성곱을 활용하여 융합을 위한 세밀한 세부 정보를 추출한다. 이러한 혁신적 설계를 통해 M3FD, DroneVehicle, LLVIP, FLIR-Aligned, KAIST, VEDAI 데이터셋에서 mAP가 최신 기법 대비 각각 6.2%, 3.7%, 4.7%, 2.3%, 4.1%, 2.0% 향상되는 유의미한 성능 개선을 달성하였다.

arXiv:2607.03589v1cs.CV공통 태그 Object Detection, state space model

비전 비인과적 사다리꼴 Mamba: 2차 동역학으로 비전 SSM에서 방향성 스캐닝 제거

Vision Non-Causal Trapezoidal Mamba: Eliminating Directional Scanning in Vision SSMs with Second-Order Dynamics

상태 공간 모델(SSM)은 Vision Transformer의 대안으로 부상했으나, 대부분의 비전 SSM은 인과적 시퀀스 모델링에서 방향성 토큰 스캐닝을 그대로 계승하고 있다. 순차적 데이터에는 효과적이지만, 방향성 스캐닝은 공간적 바이어스와 방향 민감 표현을 유발한다. 본 논문에서는 비전 비인과적 사다리꼴 Mamba(VNCT)를 제안한다. VNCT는 2차 비인과적 비전 SSM으로, 모든 이미지 토큰이 단일 패스 내에서 상호작용할 수 있게 하여 방향성 스캐닝을 제거하고 낮은 단일 이미지 추론 지연 시간을 달성한다. VNCT는 보다 방향 강건한 표현을 나타내어 이미지 회전 및 반전에 따른 성능 저하가 줄어들며, Boundary IoU를 최대 3.7포인트 향상시켜 더욱 정확한 경계 보존 및 객체 위치 추정을 가능하게 한다. ImageNet-1K 분류, COCO 객체 검출 및 인스턴스 분할, ADE20K 의미론적 분할에 걸쳐 VNCT는 방향성 스캐닝 비전 SSM과 1차 비인과적 SSM 모두를 일관되게 능가한다. 이러한 결과는 고성능 비전 SSM에 방향성 스캐닝이 불필요함을 보여주며, 2차 비인과적 상태 공간 모델링이 시각적 인식을 위한 간단하고 효율적이며 강건한 대안임을 제시한다.

arXiv:2607.01555v1cs.CV공통 태그 Object Detection, small target detection

로짓 도메인 대조와 적응형 형상 정제를 통한 적외선 소형 표적 탐지 향상

Boosting Infrared Small Target Detection via Logit-Domain Contrast and Adaptive Shape Refinement

적외선 소형 표적 탐지(IRSTD)는 작은 표적 크기, 낮은 신호 대 잡음비, 심각한 전경-배경 불균형, 복잡한 장면에서의 흐릿한 경계로 인해 여전히 어려운 과제로 남아 있다. 기존 방법들은 대개 판별을 위해 활성화 후 확률 도메인 감독에 의존하는데, 약한 표적과 강한 클러터가 포화되고 근접한 확률을 생성하여 약한 표적 판별을 제한할 수 있다. 한편, 흐릿한 경계와 헤일로형 예측은 주로 열 확산, 작은 표적 규모, 경계 불확실성, 명시적 윤곽 제약의 부족에서 비롯된다. 이러한 문제를 해결하기 위해, 우리는 IRSTD를 위한 플러그 앤 플레이 방식의 판별적·형상 인식 손실(loss)인 Adaptive-Contrastive SLSIoU(AC-SLSIoU)를 제안한다. 구체적으로, 로짓(logit) 도메인 마진(margin) 제약(LDMC)을 도입하여 로짓 공간에서 표적과 정보성 하드 네거티브 간의 응답 격차를 확대함으로써 약한 표적 판별력을 향상시킨다. 적응형 경계 억제(ABS)는 규모 인식 환형 페널티를 적용하여 표적 윤곽을 정제하고 헤일로형 오버플로우 응답을 억제한다. 또한, False-Alarm Focal Loss는 고확률 네거티브 샘플에 더 큰 가중치를 부여하여 지속적인 고신뢰도 오경보를 추가로 억제한다. 추가적인 추론(inference) 오버헤드 없이, 제안된 방법은 기존 탐지기에 seamless하게 통합될 수 있으며 탐지 정확도와 형상 품질 모두를 일관되게 향상시킨다. 광범위한 실험과 크로스 백본 평가를 통해 적외선 소형 표적 탐지에 대한 제안 방법의 효과성, 강건성, 일반화 능력이 입증된다.

arXiv:2606.27655v1cs.CV공통 태그 Object Detection, small target detection

다중 프레임 적외선 소형 표적 탐지를 위한 Temporal-Emerged Prompting 기반 Segment Anything

Temporal-Emerged Prompting for Segment Anything in Multiframe Infrared Small Target Detection

낮은 신호대잡음비(SNR) 적외선 시퀀스에서 소형 표적을 정확히 위치 추정하고 분할하는 것은 여전히 어려운 과제이다. 개별 프레임에서는 표적이 배경과 구분되지 않는 경우가 많기 때문에, 고급 기반 모델(foundation model)과 강력한 프레임 간 연관 메커니즘을 갖추었더라도 기존 방법은 여전히 이를 탐지하지 못한다. 시간이 지나면서 표적이 배경에서 점진적으로 분출(emerge)되어 구분 가능해지는 경향이 있다는 관찰에 동기를 얻어, 우리는 이러한 시간적 분출(temporal-emerged) 단서를 명시적으로 활용해 SAM을 조절하고 프롬프트하는 원칙적 프레임워크인 Temporal-Emerged Prompting for Segment Anything Model(TEP-SAM)을 제안한다. TEP-SAM은 전역 운동 패턴과 국소 운동 편차를 공동으로 모델링하여 잠재적 표적의 위치를 특정하는 방식으로 동작한다. 또한 운동 불일치(motion discrepancy)를 활용해 표적 영역 특징을 더욱 강화하고, 이를 통해 SAM용 시간적 분출 단서를 생성하여 비대화형(non-interactive) 분할을 가능하게 한다. 대규모 의미적 사전학습(pre-training)과 과제 특화 시간적 모델링을 연결함으로써 TEP-SAM은 SAM을 어려운 다중 프레임 적외선 소형 표적 탐지 과제에 효과적으로 적응시킨다. 광범위한 실험은 특히 극도로 낮은 SNR 조건과 복잡한 동적 배경에서 우리 접근법의 효과를 입증한다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.