DynamicISTD Benchmark

DynamicISTD Benchmark数据集是一个专为无人机红外小目标设计的跨域动态退化数据集，旨在模拟实际应用中遇到的分布偏移。该数据集包含来自不同域的训练和测试集，用于解决跨域场景下红外小目标检测的挑战。数据集的创建过程采用了Wavelet-guided Cross-domain Synthesis策略，通过多频段小波滤波准确分离目标背景，并通过Real-domain Noise Invariance Learning提取目标域的真实噪声特征，构建动态噪声库。DynamicISTD Benchmark数据集的应用领域在于无人机红外小目标检测，旨在解决跨域偏移和异方差噪声扰动的问题。

The DynamicISTD Benchmark is a cross-domain dynamic degradation dataset specifically tailored for UAV-based infrared small target detection, intended to simulate the distribution shifts encountered in real-world applications. This dataset comprises training and test subsets from various domains, designed to tackle the challenges of infrared small target detection in cross-domain scenarios. The dataset is developed using the Wavelet-guided Cross-domain Synthesis strategy: it accurately separates targets from backgrounds through multi-band wavelet filtering, extracts real noise features of the target domain via Real-domain Noise Invariance Learning, and constructs a dynamic noise library. The primary application of the DynamicISTD Benchmark is UAV-based infrared small target detection, where it addresses the issues of cross-domain distribution shift and heteroscedastic noise disturbance.

搜集汇总

数据集介绍

构建方式

在红外小目标检测领域，DynamicISTD Benchmark的构建采用了渐进式动态退化策略，以模拟无人机实际应用中的跨域分布偏移。该数据集从206张红外航拍图像中精选代表性样本，统一分辨率至640×512像素，涵盖多场景与三类目标类别。通过动态退化注入机制，训练集保留70%自然样本，其余30%施加运动模糊退化；测试集则引入多角度运动模糊与复合噪声扰动，包括高斯噪声和椒盐噪声等五类噪声，以精确复现真实环境中的异方差噪声特性。

使用方法

该数据集适用于严格的跨域验证框架，通常将数据均分为训练集与测试集，以评估模型在分布偏移条件下的性能。研究人员可利用训练集进行模型训练，其中包含有限参数空间的运动模糊退化；测试集则用于验证模型对多角度模糊与复合噪声的泛化能力。通过双向迁移实验，可进一步检验方法的域适应性。数据集的标准化分辨率与像素级标注支持端到端的检测模型开发，同时其动态退化特性为研究噪声不变性学习与域对齐策略提供了理想实验平台。

背景与挑战

背景概述

DynamicISTD Benchmark作为2025年提出的红外小目标检测领域新型数据集，由广东工业大学与中山大学联合团队构建，旨在解决无人机多模态感知中存在的跨域分布偏移问题。该数据集通过模拟真实场景下的动态退化过程，包含206张标注精细的红外航拍图像，涵盖停车场、游乐场等多种场景及人、自行车、汽车三类目标。其创新性在于采用渐进式退化注入策略，在训练集与测试集间构建可控的域差异，为研究跨域异方差噪声扰动提供了标准化评估基准，显著推动了红外小目标检测在复杂环境下的鲁棒性研究。

当前挑战

该数据集核心挑战集中于跨域泛化与噪声建模两大维度。在领域问题层面，需克服背景诱导的域偏移与异方差噪声扰动导致的模型性能衰减，传统方法因依赖静态噪声假设与固定训练集而难以适应真实场景的动态特性。构建过程中面临双重挑战：一是需通过小波多频滤波与概率裁剪实现背景区域的无监督筛选，二是需设计动态退化策略模拟无人机飞行中的运动模糊与复合噪声，这对数据合成的物理真实性与域差异的可控性提出了极高要求。

常用场景

经典使用场景

在多媒体领域的红外小目标检测研究中，DynamicISTD Benchmark作为跨域动态退化数据集，主要应用于无人机红外成像场景下的模型鲁棒性评估。该数据集通过模拟真实环境中存在的运动模糊和复合噪声干扰，为研究者提供了验证检测算法在分布偏移条件下泛化能力的标准化测试平台。其经典使用场景包括评估模型在不同飞行高度、相机角度和复杂背景条件下的目标检测性能，特别是在处理跨域异方差噪声扰动时的稳定性表现。

解决学术问题

DynamicISTD Benchmark有效解决了红外小目标检测领域长期存在的跨域分布偏移和异方差噪声扰动两大核心学术问题。通过构建包含多场景、多退化类型的动态数据集，该基准克服了传统静态数据集无法模拟真实环境噪声动态特性的局限。其创新性的动态退化注入策略能够精确复现无人机飞行过程中遭遇的复杂成像条件，为研究领域自适应、噪声不变性学习等前沿方向提供了可靠的实验基础，显著推动了红外小目标检测在开放环境下的实用化进程。

实际应用

在实际应用层面，DynamicISTD Benchmark为无人机多模态感知系统提供了关键的测试验证平台。该数据集模拟的跨域动态退化特性直接对应着现实无人机巡检、安防监控等场景中遇到的环境变化挑战。通过在该基准上的性能评估，工程人员能够准确预测检测算法在真实部署环境中的表现，优化模型在复杂气象条件、不同传感器特性和动态背景干扰下的稳定性，为工业级红外检测系统的可靠性验证提供了重要技术支撑。

数据集最近研究

最新研究方向

在红外小目标检测领域，DynamicISTD Benchmark的推出标志着对跨域异方差噪声扰动问题的深入研究。该数据集通过模拟无人机红外成像中的动态退化场景，构建了从训练集到测试集的渐进式域偏移，有效应对真实环境中背景诱导的域转移和复杂噪声分布变化。前沿研究聚焦于小波引导的跨域合成与真实域噪声不变性学习相结合的双重优化框架，旨在提升模型在未知目标环境中的泛化能力和鲁棒性。这一方向不仅推动了红外探测技术在多媒体传感中的实际应用，还为解决分布偏差和动态噪声干扰提供了创新性解决方案，对无人机多模态感知系统的可靠性提升具有重要意义。

相关研究论文

• 通过

  School of Information Engineering, Guangdong University of Technology · 2025年