《Biomimetics》：Beyond the Optic Lobe: Closing the Representational and Verification Gaps of STMD for Moving Target Proposal
编辑推荐：
受生物启发的（bio-inspired）小目标运动检测器（small-target motion detectors, STMDs）可提供像素级显著性，但缺乏候选框几何结构（proposal geometry）与运动目标验证。受昆虫视觉通路启发，研究人员提出B
受生物启发的（bio-inspired）小目标运动检测器（small-target motion detectors, STMDs）可提供像素级显著性，但缺乏候选框几何结构（proposal geometry）与运动目标验证。受昆虫视觉通路启发，研究人员提出Beyond the Optic Lobe（BotL），一个可与七种STMD前端（front-ends）兼容的运动目标候选框架。一个无需学习的（learning-free）ON/OFF直方图桥接（ON/OFF-histogram bridge）将显著性转换为边界框，一个二值验证器（binary verifier）在不预测类别的前提下对运动目标与杂波（clutter）进行评分。在严格匹配（strict matching）条件下，BotL将默认vSTMD-F前端的召回率-每图误检数（Recall versus false positives per image, FPPI）曲线下面积（AUC）在重新标注的RIST上从0.607提升至0.836，在SeaDronesSee-Tiny-SAHI（STS）上从0.109提升至0.611。在每条RIST测试序列上，严格AUC与15候选预算下的候选召回率（candidate Recall）均得到提升。STS增益对vSTMD系列较大、对FracSTMD中等、对HaarSTMD较小、对ESTMD、DSTMD与STMD+可忽略。阶段分析（stage analysis）将覆盖约束（coverage constraints）与验证器排序局限（verifier ranking limitations）区分开来。YOLO检测器在同域（in-domain）比较中更准确，但BotL在STS→RIST零样本迁移（zero-shot transfer）中领先，AUC为0.252，对照值为0.016与0.030。BotL使用16,341个可学习参数，相对于这两种YOLO检测器将浮点运算量（floating-point operations）降低21–41倍，可作为计算高效的候选阶段（proposal stage）。
研究背景方面，微小运动目标的早期定位对自主微机器人与小型无人载具具有重要意义，但此类目标往往仅占据少量像素且缺乏可靠的表观信息，在微型智能体上感知还须在紧约束的计算与延迟预算下运行。飞行昆虫提供了功能参照：视叶（optic lobe）回路在杂乱与自运动场景中对小运动特征具有选择性响应。计算型STMD模型将上述原理转化为紧凑的时空处理级，多种变体改善了运动选择性，但所研究的前端仍终止于像素级响应图。作者将STMD输出视为运动响应场而非完整感知表征，指出其既未提供显式的实例几何，也未提供候选级别的运动目标评分，因而无法直接与跟踪器、重识别模块或任务调度器兼容，由此形成两个可分离的鸿沟：从显著性到候选几何的表征鸿沟（representational gap），以及从显著响应到带评分运动目标候选的验证鸿沟（verification gap）。对比度通路等信号级机制可在候选形成之前重塑或抑制响应场，但不能作出候选级的运动目标-杂波判别。为此作者将任务重新表述为运动目标候选：提出包含运动目标的图像区域并拒绝动态背景虚警，而不进行类别分配；以STMD作为运动显著性前端，用无需学习的ON/OFF直方图聚合器弥合表征鸿沟以生成标准边界框，用16,341参数的二值验证器弥合验证鸿沟为每个候选赋予运动目标评分。作者采用验证一词指代数据集定义的二值任务，即区分标注运动目标与动态背景虚警，而非识别物体类别。据主要关键技术方法概括（不超过250字）：研究以vSTMD-F为默认前端，将显著性、ON通道、OFF通道与（若有）运动方向打包为五通道运动特征图作为唯一前端接口；桥接部分采用最大池化峰值提取、RoIAlign裁剪、基于ON/OFF极性与显著性软重合加权的水平与垂直直方图投影及平滑阈值化进行边界框四边细化，全过程无需训练；验证器采用两个卷积-GroupNorm-LeakyReLU块配合通道与空间注意力、自适应全局最大池化与两层二值头；训练以归一化Wasserstein距离（NWD）阈值标注正负样本，并加入受响应下限门控的抖动真值正样本，采用标签平滑二元交叉熵与AdamW优化。样本队列来源为RIST数据集与SeaDronesSee-Tiny-SAHI（STS）数据集，二者均以相同分辨率评估并按源序列划分训练/验证/测试。研究结论表明BotL以七个STMD前端完成架构组合、每个前端与数据集单独训练一个验证器；对vSTMD-F，RIST严格AUC由0.607升至0.836，STS由0.109升至0.611；所有前端在四条RIST测试序列上严格AUC与Rec.@15均提升；STS增益按前端差异显著；BotL在STS→RIST零样本迁移中领先，但RIST→STS迁移对随机种子敏感；BotL以较YOLO基线少21–41倍浮点运算量输出计算高效的候选接口，而有监督YOLO检测器在同域AUC更高。其重要意义在于将小目标运动检测重构为运动目标候选任务，提供运动优先、计算轻量且即插即用的候选接口。
研究结果方面，第一，跨STMD骨干的即插即用通用性（Plug-and-Play Generality Across STMD Backbones）：通过在同一朴素固定框读出下比较七个前端及其加BotL配对，得出RIST上所有前端的严格AUC与Rec.@15在每条测试序列上均为正增益且配对95%区间不含零，vSTMD-F种子均值AUC增益区间为[0.171, 0.268]；在NWD 0.1下ESTMD与HaarSTMD的增益区间含零。第二，STS上的阶段式限制（Stage-Wise Limits on STS）：通过候选Rec.@15这一与验证器训练无关的覆盖上界，得出ESTMD、DSTMD与STMD+的候选Rec.@15分别为0.149、0.190与0.263，FracSTMD为0.288，说明主要约束在于候选生成而非验证；vSTMD-F在STS上覆盖高于RIST（0.584对0.543）但AUC为0.611，其剩余局限在于FPPI预算下的验证器排序；两个无延迟前端在STS上保留其RIST AUC的49–73%，而四个可调延迟前端仅保留约1–12%，速度依赖亦见于vSTMD覆盖率随速度由0.887降至0.659、HaarSTMD由0.783降至0.630。第三，跨数据集泛化对比深度二值检测器（Cross-Dataset Generalization Versus Deep Binary Detectors）：通过三种训练协议下的系统级比较，得出同域与联合训练下RGB检测器AUC在RIST高出BotL 0.13–0.15、在STS高出0.26–0.31；STS→RIST零样本迁移中两个YOLO的候选召回分别保留0.192与0.278、AUC为0.016与0.030，而BotL的候选生成器恒保留0.543、AUC达0.252，配对差值区间均不含零；RIST→STS方向BotL AUC为0.246（种子范围0.146–0.363），与YOLO11n的差值区间含零。第四，消融研究（Ablation Study）：通过在vSTMD-F上逐步构建，得出A→B加入桥接使AUC由0.607升至0.717、召回由0.551升至0.701，加入验证器使测试FPPI由0.21降至0.03、AUC升至0.836、工作点召回由0.825变为0.790。第五，无需学习桥接的几何基线比较（Geometry Baselines for the Learning-Free Bridge）：通过将桥接规则与纯显著性投影、连通域与Otsu阈值区域比较，得出NWD 0.5下桥接召回在RIST（0.701对0.614）与STS（0.558对0.435）均超过纯显著性投影，STS上配对区间相对全部四种替代方案均不含零。第六，模块级比较（Module-Level Comparison）：通过在固定前端与桥接基底上交叉对比度通路与验证器，得出对比度通路单独对DSTMD的AUC影响很小、对vSTMD-F测试AUC无影响，加入验证器在两种基底上均带来更大AUC增益与FPPI下降，对比度叠加验证器使DSTMD AUC由0.375升至0.421、vSTMD-F由0.836降至0.829。第七，计算成本与实测吞吐（Computational Cost and Measured Throughput）：通过统计参数量、FLOPs与吞吐，得出全流程约101 M FLOPs/帧与16,341个可学习参数，分别较YOLO基线少21–与158–；CPU桥接为最大延迟分量（8.0±5.4 ms/帧），主机GPU吞吐约为两个YOLO基线的4.9与5.1倍，Xavier上BotL达46.5 FPS，对照为27.5与30.7 FPS。第八，定性结果（Qualitative Results）：通过随机抽样测试帧可视化，得出两例RIST中各读出均有一个与目标对齐的候选且BotL细化了其几何，STS示例中BotL返回更少候选（9对12、8对11）同时保留标注目标周围候选。
讨论部分总结：桥接与验证器针对不同的实测约束，几何改变候选覆盖而验证改变评分排序，这一计算分离与昆虫目标通路的阶段式组织相一致；跨七个前端的组合支持接口兼容性而非生物学同源性，生物学解释仍属功能类比。局限性包括：BotL无法在缺乏可用显著性支持时恢复目标，兼容性不保证显著增益，STS覆盖与排序约束依赖前端，具有单一训练选定延迟的前端在STS速度偏移下损失大部分AUC与覆盖，多数训练/评估设置中填补鸿沟或增大验证器均未改善验证AUC故未采用；验证器自两个小目标数据集学习，零样本迁移方向性不对称，未测试对留出目标类别的泛化，其sigmoid评分未经概率校准，更广场景覆盖、留出类别评估、校准测量与在线难负样本挖掘将增强结论；BotL零样本RIST→STS AUC对训练种子高度敏感，限制基于单一代表性检查点的迁移结论；绝对RIST AUC依赖运动目标真值定义，八种测试设置中七种BotL AUC在0.8142至0.8676之间而三帧2.0像素规则下降至0.5547，但BotL在所有八种设置中均优于配对的vSTMD-F基线。结论部分译文：研究人员将小目标运动检测重构为运动目标候选任务，无需学习的ON/OFF直方图桥接将像素显著性转换为边界框，轻量二值验证器对运动目标与杂波进行评分；该架构以七个经测试的STMD前端进行组合，每个前端与数据集单独训练验证器；对vSTMD-F，严格AUC在RIST上由0.607升至0.836、在STS上由0.109升至0.611；每个前端的严格AUC与Rec.@15在全部四条RIST测试序列上均改善，STS增益对vSTMD系列较大、对FracSTMD中等、对HaarSTMD较小、对ESTMD、DSTMD与STMD+可忽略；BotL在STS→RIST零样本迁移中领先，但其RIST→STS迁移对种子敏感；BotL以较YOLO基线少21–41倍FLOPs输出计算高效的候选接口，而有监督YOLO检测器取得更高的同域AUC；未来工作包括更强或多尺度的前端、对训练与部署间目标速度分布偏移稳健的延迟选择、更广的目标覆盖以及更多独立测试场景。
