遥感中的动态目标检测DiffMOD: Progressive Diffusion Point Denoising for Moving Object Detection in Remote Sensi

论文作者：Jinyue Zhang,Xiangrong Zhang,Zhongjian Huang,Tianyang Zhang,Yifei Jiang,Licheng Jiao

作者单位：Xidian University;Inspur Software Co., Ltd

论文链接：http://arxiv.org/abs/2504.10278v1

内容简介：

1）方向：遥感中的动态目标检测

2）应用：遥感数据分析

3）背景：遥感中的动态目标检测面临低分辨率和物体尺寸极小的问题，且噪声干扰较大。现有的基于深度学习的MOD方法通常依赖概率密度估计，但这限制了物体之间以及跨时间帧的信息交互，无法灵活地捕捉物体间和时间上的高阶关系。

4）方法：为解决上述挑战，提出了一种基于点云的MOD方法，灵感来源于扩散模型，并将网络优化过程表述为逐步去噪的过程，旨在迭代地从稀疏的噪声点中恢复动态目标的中心位置。具体来说，首先从骨干网络输出中采样稀疏特征作为原子单位进行后续处理，同时聚合全局特征嵌入以补偿稀疏点特征的覆盖不足。为加强高阶交互，设计了空间关系聚合注意力模块（Spatial Relation Aggregation Attention），以在点级特征之间进行高阶交互，提升目标表示能力。为了增强时间一致性，提出了时间传播与全局融合模块，利用隐式记忆推理机制实现跨帧特征的稳健集成。此外，提出了一种逐步的MinK最优传输分配策略，确保在每个去噪阶段建立专门的学习目标，并引入了缺失损失函数以应对去噪点过度聚集在显著物体周围的问题。

5）结果：在RsData遥感MOD数据集上的实验结果表明，基于稀疏点去噪的MOD方法能够更有效地探索稀疏动态物体之间的潜在关系，显著提升检测能力和时间一致性。