🤖 AI

HyTBE: Hyperbolic Target-Background Expert Model for Cross-Domain Infrared Small Target Detection

Pour remédier à la dégradation des performances de la détection de petites cibles infrarouges dans des domaines non vus causée par les décalages de la relation cible-fond, les auteurs proposent HyTBE, un modèle qui exploite la géométrie hyperbolique et un adaptateur de mélange d'experts pour étendre les motifs de relation observables et calibrer de manière adaptative les représentations visuelles pour une généralisation robuste entre les domaines.

Auteurs originaux : Aohua Li, Jin Kuang, Yubing Lu, Pingping Liu

Publié 2026-08-07

📖 9 min de lecture🧠 Analyse approfondie

CC0 1.0

Auteurs originaux : Aohua Li, Jin Kuang, Yubing Lu, Pingping Liu

Article original placé dans le domaine public sous CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous soyez un détective essayant de repérer une minuscule luciole brillante dans une forêt immense et chaotique, en pleine nuit. C'est le travail de la « Détection de Petites Cibles Infrarouges » (IRSTD). Dans le monde réel, cette technologie aide les satellites à trouver des navires lointains, aide les avions à repérer d'autres appareils et aide les systèmes d'alerte précoce à voir les menaces avant qu'elles ne s'approchent trop près. Le défi est que ces « lucioles » (les cibles) ne sont souvent que quelques pixels brillants sur un fond de nuages tourbillonnants, de vagues océaniques ou de lumières de la ville (l'arrière-plan). Pendant des années, des scientifiques ont construit des programmes informatiques pour trouver ces petits points. Ces programmes fonctionnent très bien lorsque la forêt ressemble exactement à la forêt sur laquelle ils se sont entraînés. Mais voici le piège : si vous prenez un programme entraîné sur une nuit calme et étoilée et que vous l'envoyez dans une forêt tempétueuse et brumeuse, il peut souvent être confus. Il pourrait manquer entièrement la luciole ou confondre un nuage aléatoire avec une luciole. Cela arrive parce que la relation entre le petit point et l'arrière-plan change selon l'endroit où l'on se trouve.

Le document que vous allez lire s'attaque précisément à ce problème. Les chercheurs ont réalisé que l'ancienne méthode de formation de ces détecteurs était trop rigide. Ils ont proposé un nouveau système appelé HyTBE (Modèle d'Expert de Relation Cible-Arrière-plan Hyperbolique). Au lieu de simplement mémoriser l'apparence d'une cible, HyTBE apprend à comprendre la relation entre la cible et son environnement. Il utilise un type spécial de mathématiques appelé « géométrie hyperbolique » (pensez à une carte courbe, en forme de selle, plutôt qu'à une feuille plate) pour mesurer à quel point une cible est différente de son arrière-plan. Il utilise également une approche de « Mélange d'Experts » (Mixture of Experts), qui revient à avoir une équipe de spécialistes, chacun sachant comment gérer différents types de météo. En s'entraînant sur une plus grande variété de scénarios de type « et si », et en utilisant cette carte courbe pour guider ses décisions, HyTBE peut repérer ces minuscules lucioles même lorsqu'il est projeté dans une forêt totalement nouvelle et inconnue.

Le Problème : Quand la Forêt Change

Imaginez que vous apprenez à faire du vélo. Vous vous exercez sur un trottoir lisse et plat. Vous devenez très bon pour garder l'équilibre là. Mais ensuite, on vous demande de faire du vélo sur une plage sablonneuse et accidentée. Soudain, votre équilibre semble faussé. Les règles qui fonctionnaient sur le trottoir ne fonctionnent plus sur le sable.

C'est ce qui arrive aux détecteurs infrarouges. Ils sont entraînés sur des ensembles de données spécifiques (comme le « trottoir »). Lorsqu'ils rencontrent un nouveau domaine (la « plage »), la façon dont la petite cible apparaît par rapport à l'arrière-plan change. Les chercheurs appellent cela un « Décalage de la Relation Cible-Arrière-plan » (Target-Background Relation Shift). Ce n'est pas seulement que la cible paraît différente ; c'est que le contraste et le contexte changent. Un point brillant qui se détache nettement sur un ciel sombre peut ressembler à une tache floue contre un nuage bruyant et texturé. Parce que le détecteur n'a appris que les « règles du trottoir », il échoue lorsque les « règles de la plage » prennent le dessus.

La Solution : Les Trois Superpouvoirs de HyTBE

Pour corriger cela, les auteurs ont construit HyTBE, un modèle conçu pour être un maître de l'adaptation. Il utilise trois astuces principales pour rester performant, peu importe où il se trouve.

1. L'Entraîneur du « Et Si » (Intervention de la Relation Cible-Arrière-plan)

D'abord, HyTBE doit s'entraîner pour tous les scénarios possibles, pas seulement ceux qu'il voit dans les données d'entraînement. Les chercheurs ont introduit une technique appelée Intervention de la Relation Cible-Arrière-plan (TBRI).

Considérez cela comme un simulateur d'entraînement qui joue avec le décor. Habituellement, vous entraînez un modèle en lui montrant des images de cibles et d'arrière-plans. La TBRI est comme un éditeur malicieux qui remplace l'arrière-plan d'une image par un autre, ou modifie la luminosité et la forme de la cible elle-même, sans changer la réponse attendue.

Intervention de l'Arrière-plan : Il garde la cible intacte mais remplace l'arrière-plan par un nouveau (comme changer un ciel clair par un ciel orageux).
Intervention de la Cible : Il garde l'arrière-plan intact mais modifie la cible (la rendant plus sombre, plus brillante ou légèrement différente de forme).

En faisant cela, le modèle apprend qu'une cible peut avoir de nombreuses apparences différentes tout en restant une cible. Il cesse de se fier à un seul « aspect » et commence à comprendre la relation entre le point et le bruit. C'est crucial car, comme le montre le document, simplement mémoriser l'apparence de la cible ne suffit pas ; le modèle doit savoir comment la cible se rapporte à son environnement spécifique.

2. La Carte Courbe (Modélisation de la Relation Hyperbolique)

Une fois que le modèle s'est exercé avec ces scénarios variés, il doit trouver un moyen de mesurer la « distance » entre une cible et l'arrière-plan. Dans les mathématiques normales (géométrie euclidienne), nous mesurons la distance sur une ligne plate. Mais les chercheurs ont découvert que la relation entre les cibles et les arrière-plans ressemble davantage à un arbre ou à un réseau, ce qui correspond mieux à une surface courbe (une boule de Poincaré).

Imaginez que vous essayiez de trier un tas de jouets mélangés. Sur une table plate, il est difficile de voir quels jouets vont ensemble s'ils sont tous emmêlés. Mais si vous les placez sur un toboggan courbe, ceux qui sont similaires roulent naturellement vers les uns les autres, et les différents s'éloignent.
HyTBE utilise cette « carte courbe » pour placer chaque partie de l'image. Il crée deux points de référence spéciaux : une Ancre de Cible (Target Anchor) et une Ancre d'Arrière-plan (Background Anchor). Il mesure ensuite la proximité de chaque partie de l'image avec ces ancres en utilisant la « distance hyperbolique ».

Si une partie de l'image est très proche de l'Ancre de Cible, c'est probablement une cible.
Si elle est proche de l'Ancre d'Arrière-plan, c'est probablement juste du bruit.

Cette méthode est bien meilleure pour séparer la « luciole » de la « forêt » que les mathématiques plates standard, surtout lorsque la forêt a une apparence inhabituelle. Le document montre explicitement que l'utilisation de ces mathématiques courbes réduit considérablement les fausses alarmes (confondre les nuages avec des lucioles) par rapport à l'utilisation des mathématiques plates.

3. L'Équipe de Spécialistes (Adaptateur MoE guidé par l'hyperbolique)

Enfin, HyTBE doit décider quoi faire de toutes ces informations. Il utilise un système de Mélange d'Experts (Mixture-of-Experts - MoE). Imaginez une pièce remplie d'experts. Un expert est excellent pour repérer des cibles dans le brouillard, un autre est excellent sous un soleil éclatant, et un autre est excellent lors de tempêtes sombres.
Habituellement, un ordinateur choisit un expert et s'y tient. Mais HyTBE est plus intelligent. Il regarde la « carte courbe » qu'il vient de créer et se demande : « Quel genre de situation est-ce ? »

Si la carte dit « ceci ressemble à une situation de brouillard », il demande à l'« expert du brouillard » de corriger l'image.
Si la carte dit « ceci ressemble à une situation de plein soleil », il demande à l'« expert du soleil ».

Il combine les conseils des bons experts pour créer une prédiction finale ultra-précise. Cela permet au modèle d'adapter sa « vision » instantanément en fonction de la relation spécifique entre la cible et l'arrière-plan qu'il est en train de voir.

Les Résultats : Est-ce que cela fonctionne ?

Les chercheurs ont testé HyTBE sur trois ensembles de données du monde réel (NUAA-SIRST, NUDT-SIRST et IRSTD-1K). Ils ont utilisé un test strict appelé « leave-one-domain-out » (un domaine laissé de côté), ce qui signifie qu'ils ont entraîné le modèle sur deux ensembles de données, puis l'ont jeté dans le troisième sans aucune pratique supplémentaire. C'était comme s'entraîner sur le trottoir et la plage, puis passer un test sur une montagne enneigée.

Les résultats ont été impressionnants. HyTBE a surpassé toutes les autres méthodes de pointe du domaine.

Sur l'ensemble de données IRSTD-1K, il a atteint un mIoU (un score de précision de détection) de 52,31 %, battant la deuxième meilleure méthode par une marge claire.
Sur NUAA-SIRST, il a obtenu 78,58 %, ce qui représente un bond énorme par rapport aux modèles précédents.
Sur NUDT-SIRST, il a atteint 64,83 %.

Plus important encore, il a réussi cela tout en maintenant un nombre très bas de fausses alarmes (prendre le bruit pour une cible). Le document note que si certains autres modèles trouvent peut-être plus de cibles, ils font aussi beaucoup plus d'erreurs. HyTBE a trouvé un meilleur équilibre, repérant les vraies cibles sans trop « crier au loup ».

Pourquoi cela est important

Le document suggère que l'ancienne méthode consistant à simplement rendre les cibles « plus brillantes » ou les arrière-plans « plus sombres » ne suffit pas pour le monde réel. Le monde réel est désordonné et imprévisible. En se concentrant sur la relation entre la cible et l'arrière-plan, et en utilisant une carte mathématique courbe pour comprendre cette relation, HyTBE crée un détecteur beaucoup plus robuste.

Les auteurs concluent que cette approche — diversifier les données d'entraînement, utiliser la géométrie hyperbolique pour mesurer les relations et utiliser une équipe d'experts pour s'adapter — offre une voie solide pour l'avenir. Elle ne résout pas seulement le problème pour une forêt spécifique ; elle construit un détective capable de gérer n'importe quelle forêt, même celles qu'il n'a jamais vues auparavant.

Résumé Technique : HyTBE pour la détection de petites cibles infrarouges cross-domaine

Formulation du Problème
La détection de petites cibles infrarouges (IRSTD) a réalisé des progrès significatifs dans des cadres d'évaluation cohérents avec le domaine. Cependant, les performances des détecteurs se dégradent souvent de manière marquée lors d'une généralisation à des domaines infrarouges non vus. L'article identifie que le défi central n'est pas simplement les variations de l'apparence de la cible ou des statistiques du fond individuellement, mais un changement dans la relation cible-fond.

Les petites cibles infrarouges occupent peu de pixels et manquent de textures stables ou de structures sémantiques ; leur détectabilité repose fortement sur le contraste relatif, la saillance et les différences morphologiques par rapport au fond. Lorsqu'un modèle est entraîné sur un ensemble limité de domaines sources, il apprend des règles de décision basées sur une gamme restreinte de motifs de relation cible-fond. Dans les domaines cibles non vus, ces motifs de relation peuvent différer considérablement (par exemple, une cible qui est distincte sur un fond donné peut devenir ambiguë sur un autre), provoquant l'échec des frontières de décision apprises par la source. Ce phénomène est nommé décalage de la relation cible-fond.

Méthodologie : HyTBE
Pour y remédier, les auteurs proposent HyTBE (Hyperbolic Target-Background Expert model), un cadre conçu pour étendre les motifs de relation observables pendant l'entraînement et ajuster les représentations visuelles de manière adaptative en utilisant des indices de relation explicites. L'architecture se compose de trois composants progressifs :

Intervention sur la Relation Cible-Fond (TBRI) :
- Objectif : Élargir la gamme de relations cible-fond observées pendant l'entraînement sur le domaine source sans nécessiter l'accès aux données du domaine cible.
- Mécanisme : Contra-rent de l'augmentation standard au niveau de l'image, la TBRI perturbe sélectivement soit la cible, soit le contexte du fond tout en maintenant une supervision valide.
  - Intervention sur le Fond : Préserve le support de la cible mais diversifie le contexte d'imagerie (intensité globale, contraste, motifs de bruit, composantes haute fréquence).
  - Intervention sur la Cible : Préserve le fond mais transforme l'apparence de la cible (saillance, luminosité, morphologie, échelle) ou insère des cibles aléatoires provenant des domaines sources.
- Processus : Pour chaque échantillon d'entraînement, un opérateur est échantillonné pour générer un échantillon avec intervention $(\tilde{x}, \tilde{y})$ , garantissant que le modèle rencontre des motifs de relation diversifiés.
Modélisation de Relation Hyperbolique (HRM) :
- Objectif : Caractériser explicitement la relation cible-fond des caractéristiques visuelles.
- Mécanisme : Les caractéristiques visuelles multi-échelles extraites par un encodeur sont projetées dans une boule de Poincaré (espace hyperbolique).
- Ancres : Deux ancres opposées sont construites : une ancre de cible ( $a_t$ ) et une ancre de fond ( $a_b$ ).
- Score de Relation : Pour chaque jeton de caractéristique $z_i$ , le score de relation $s_i$ est défini comme la différence des distances géodésiques vers les ancres de fond et de cible ( $s_i = d_c(z_i, a_b) - d_c(z_i, a_t)$ ).
- Perte : Une perte de relation hyperbolique ( $L_{hyp}$ ) est appliquée pour garantir que les jetons de cible satisfont $s_i \geq m$ et les jetons de fond satisfont $s_i \leq -m$ , créant ainsi des représentations explicites orientées vers la relation.
Adaptateur MoE guidé par l'Hyperbolique (HMA) :
- Objectif : Utiliser les indices de relation hyperboliques pour calibrer les caractéristiques visuelles multi-échelles et s'adapter à différents motifs de relation.
- Mécanisme :
  - Attention-Guide : La représentation de la relation hyperbolique ( $z_i$ ) sert de clé pour recalibrer les réponses de canal des caractéristiques visuelles (requête) via des mécanismes d'attention.
  - Adaptateur MoE : Les caractéristiques guidées sont injectées dans un module Mixture-of-Experts (MoE). Un routeur prédit des poids souples dépendants de l'entrée pour agréger les corrections provenant de plusieurs experts spécialisés.
- Optimisation : Le système emploie une perte d'équilibrage de charge ( $L_{lb}$ ) et une perte de non-cohérence ( $L_{nc}$ ) pour encourager une utilisation équilibrée des experts et des corrections diverses.

Contributions Clés

Formulation du Problème : L'article cadre l'échec de l'IRSTD cross-domaine comme un décalage de la relation cible-fond, arguant que les règles de décision dérivées de motifs limités du domaine source sont peu fiables dans les domaines non vus où les motifs de relation diffèrent.
Intervention sur la Relation Cible-Fond (TBRI) : Une stratégie d'entraînement novatrice qui perturbe sélectivement les cibles ou les fonds pour étendre la diversité des motifs de relation tout en préservant la validité de la supervision.
Architecture HyTBE : L'intégration de la Modélisation de Relation Hyperbolique et d'un Adaptateur MoE guidé par l'Hyperbolique. Cela permet au modèle de représenter explicitement les relations dans l'espace hyperbolique et d'utiliser ces indices pour guider une calibration de caractéristiques adaptative et sensible à la relation.

Résultats Expérimentaux
La méthode a été évaluée selon un protocole "leave-one-domain-out" (laisser un domaine de côté) sur trois jeux de données publics : NUAA-SIRST, NUDT-SIRST, et IRSTD-1K. Dans chaque configuration, deux jeux de données servaient de domaines sources pour l'entraînement, et le troisième était mis de côté comme domaine cible non vu.

Performance : HyTBE a obtenu le meilleur mIoU et la meilleure F-mesure sur les trois domaines cibles non vus, surpassant les deuxièmes meilleures méthodes par des marges significatives (par exemple, +1,13 % de mIoU sur IRSTD-1K et +15,46 % de mIoU sur NUDT-SIRST). Il a également atteint la probabilité de détection ( $P_d$ ) la plus élevée sur deux des trois cibles.
Efficacité : Le modèle est compact, ne contenant que 1,13 M de paramètres et 8,42 G FLOPs.
Études d'Ablation :
- Le retrait des composants TBRI, HRM ou HMA a entraîné des baisses de performance progressives, confirmant leurs rôles complémentaires.
- L'intervention sur la cible s'est avérée particulièrement efficace pour réduire les fausses alarmes ( $F_a$ ), tandis que l'intervention sur le fond a amélioré la probabilité de détection ( $P_d$ ).
- La modélisation hyperbolique a surpassé ses homologues euclidiens, spécifiquement en réduisant les fausses alarmes.
- La combinaison de l'Attention-Guide et du MoE a produit le meilleur équilibre global des métriques.
Visualisation : Les résultats qualitatifs ont montré qu'HyTBE préservait mieux le nombre, la position et la forme des cibles par rapport aux modèles de base, particulièrement dans les scénarios à faible contraste et encombrés.

Signification
L'article affirme qu'HyTBE offre une voie structurée allant de la diversification de la relation du domaine source à la généralisation de la relation du domaine non vu. En allant au-delà du simple renforcement de la cible pour modéliser et s'adapter explicitement aux relations cible-fond, la méthode offre une solution robuste pour l'IRSTD cross-domaine. Les auteurs soulignent que cette approche permet aux détecteurs de gérer les variations de capteurs, de plateformes d'imagerie et de conditions environnementales qui altèrent la relation discriminante entre les cibles et les fonds, améliorant ainsi la déployabilité pratique des systèmes de détection infrarouge.