(AAAI 2026) OSSDet：把多光谱信息真正“用起来”的目标检测框架

主要观点总结

该论文介绍了MODA数据集和OSSDet框架，针对航拍多光谱图像的目标检测问题。论文提出了首个大规模、多场景、真实航拍的多光谱目标检测数据集MODA，以及一种单流多光谱目标检测框架OSSDet。MODA数据集显著大于已有的MSI检测数据集，包含8个光谱波段、8个类别和OBB旋转框，并显式标注了8种真实挑战属性。OSSDet框架通过单流光谱-空间联合建模，避免了以往方法的信息损失和高计算量，并显式object-aware设计，通过object activation loss抑制背景、强化目标。论文还进行了多组实验验证方法的有效性。

关键观点总结

关键观点1: 论文的主要贡献

提出了大规模、多场景、真实航拍的多光谱目标检测数据集MODA；提出了单流多光谱目标检测框架OSSDet，解决了多光谱目标检测领域数据不足的问题。

关键观点2: MODA数据集的特点

规模显著大于已有MSI检测数据集；包含多个光谱波段、类别和旋转框；显式标注了多种真实挑战属性。

关键观点3: OSSDet框架的特点

采用单流光谱-空间联合建模，避免信息损失和高计算量；显式object-aware设计，通过object activation loss抑制背景、强化目标；围绕目标感知提出了一系列模块组合。

关键观点4: 论文的实验结果

验证了OSSDet框架的有效性，在MODA数据集上取得了最佳性能；与其他方法相比，OSSDet在航拍场景中实现了更鲁棒、高效的多光谱目标检测；可视化结果证明了OSSDet在复杂场景下的优越性。