يعد كشف الأهداف الصغيرة تحت الأشعة تحت الحمراء (IRSTD) واحدًا من أبرز التحديات في عالم التقنية الحديثة، حيث حقق تقدمًا كبيرًا في تقييمه المستند إلى المجال. ومع ذلك، يعاني أداء الكاشف بشكل ملحوظ عند تعميمه على مجالات جديدة غير معروفة. ويرجع ذلك إلى أن الطرق التقليدية تحسن من أداء الكشف عن طريق تعزيز استجابة الأهداف وتقليل تداخل الخلفية. لكن، عند تدريبها على مجموعة محدودة من المجالات، تقتصر الأنماط المستخدمة في تدرب الكاشف، مما يؤدي إلى ضعف في القدرة التمييزية للمدخلات الجديدة.

في هذا السياق، تم تقديم نموذج HyTBE (Hyperbolic Target-Background Expert) كحل مبتكر. يهدف هذا النموذج إلى توسيع أنماط العلاقة بين الأهداف والخلفيات من خلال تعديل تمثيلات الصورة بشكل ديناميكي باستخدام إشارات العلاقة الظاهرة. يتم ذلك عبر تقنية تُعرف باسم تدخل علاقة الهدف والخلفية (Target-Background Relation Intervention) والتي تقوم بتعديل الأهداف أو الخلفيات بشكل انتقائي، مما يوسع أنماط العلاقات القابلة للرؤية أثناء التدريب.

تستخدم تقنية النمذجة المبنية على العلاقات المفرطة (Hyperbolic Relation Modeling) لتحديد العلاقة بين الأهداف والخلفيات بشكل دقيق من خلال وضع النقاط في كرة بوانكاريه، مما يُسهل التعرف على الأنماط المختلفة حسب المسافات النسبية لأهداف الخلفية. ويعمل محول MoE الموجه بواسطة العلاقة المفرطة على استخدام هذه التمثيلات لتمثيل الخصائص البصرية متعددة المقاييس وصقلها.

أظهرت التجارب التي أجريت على قواعد بيانات NUAA-SIRST وNUDT-SIRST وIRSTD-1K أن نموذج HyTBE يحقق أداءً قويًا في التعميم عبر المجالات مقارنة بالنماذج الأخرى المنافسة. هذا التقدم يمثل خطوة نوعية قد تغير قواعد اللعبة في مجال كشف الأهداف تحت الأشعة تحت الحمراء، مما يفتح آفاقًا جديدة للاستخدامات المستقبلية.