（TGRS 2025）双流注意力模块，即插即用，涨点起飞

主要观点总结

该论文介绍了一种面向遥感小目标检测的整体框架BAFNet，通过融合双流注意力模块和边界感知辅助分支，显著提升小目标在复杂背景下的可分辨性与定位精度。

关键观点总结

关键观点1: 提出双流注意力融合模块（DSAM），利用高层语义特征生成前景优先注意力（FPAM）与背景优先注意力（BPAM），然后与底层空间细节特征进行加权多尺度融合，实现前景与背景的互补建模。

DSAM的设计有助于增强小目标在复杂背景下的检测鲁棒性。

关键观点2: 设立边界感知辅助分支（BAB），通过拉普拉斯金字塔聚合得到的多尺度边界为监督，约束跨层特征融合保留细粒度边界细节。

BAB的设计使得模型能够在复杂背景下更好地区分并精确定位遥感小目标。

关键观点3: 在AI-TOD、VisDrone、DIOR、LEVIR-Ship等数据集上取得SOTA性能，尤其在极小目标上具有明显优势。

这些实验结果表明了BAFNet框架的有效性。