SAMBA: A Scatter-Guided Masked Bidirectional Mamba Foundation Model for SAR Target Recognition

📄 arXiv: 2606.31668v1 📥 PDF

作者: Ke Wang, Xiaoyi Pan, Zhaoyu Gu, Xiaofeng Ai, Zhiming Xu, Feng Zhao, Shunping Xiao

分类: cs.CV

发布日期: 2026-06-30

备注: 15 pages, 5figures

🔗 代码/项目: GITHUB

💡 一句话要点

提出SAMBA以解决SAR目标识别中的数据稀缺与计算复杂性问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 合成孔径雷达 自动目标识别 自监督学习 散射引导 深度学习 特征融合 迁移学习

📋 核心要点

  1. 现有SAR目标识别方法面临标注数据稀缺和计算复杂性高的挑战，限制了其实际应用。
  2. SAMBA通过引入线性复杂度的编码器和散射引导的掩蔽策略，优化了自监督预训练过程，提升了模型性能。
  3. 实验结果显示，SAMBA在七个下游数据集上实现了大多数指标的最先进性能，验证了其在SAR解释任务中的强泛化能力。

📝 摘要（中文）

合成孔径雷达自动目标识别（SAR ATR）对地球观测和国防至关重要，但其实际应用受到标注训练数据稀缺的限制。自监督预训练缓解了这一标签瓶颈，但现有的Transformer架构存在高昂的计算复杂性，传统的通用掩蔽方法忽视了SAR图像固有的电磁散射特性。为了解决这些问题，本文提出了SAMBA（散射引导的双向Mamba），一个高效的自监督预训练基础模型，用于SAR目标解释。该框架具有三项核心创新：线性复杂度的Mamba编码器、三层次的散射引导掩蔽自编码器（SG-MAE）掩蔽策略以及轻量级的空间特征交互模块。广泛评估表明，SAMBA在所有预训练配置中均表现出色，参数量显著少于CNN和Transformer基线。

🔬 方法详解

问题定义：本文旨在解决合成孔径雷达（SAR）目标识别中的数据稀缺和计算复杂性问题。现有方法通常依赖于大量标注数据，而Transformer架构的计算复杂性使得实际应用受到限制。

核心思路：SAMBA的核心思路是通过自监督预训练和散射引导的掩蔽策略，结合SAR图像的物理特性，来提高模型的学习效率和性能。

技术框架：SAMBA的整体架构包括三个主要模块：线性复杂度的Mamba编码器、三层次的散射引导掩蔽自编码器（SG-MAE）和轻量级的空间特征交互模块。通过两阶段的跨域预训练流程，优化了预训练过程。

关键创新：SAMBA的关键创新在于引入了线性复杂度的编码器和基于SAR物理先验的SG-MAE掩蔽策略，这与传统的通用掩蔽方法有本质区别，能够更好地适应SAR图像的特性。

关键设计：在设计中，Mamba编码器通过中间序列类标记降低了计算瓶颈，SG-MAE策略则通过三层次的掩蔽方式增强了模型的特征学习能力，空间特征交互模块则提升了不同区域特征的融合效果。整体模型参数量显著低于CNN和Transformer基线。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，SAMBA在七个下游数据集上实现了最先进的性能，尤其在少量样本迁移能力方面，相较于标准MAE的默认掩蔽策略，SG-MAE策略显著提升了模型的表现，参数量也显著低于传统CNN和Transformer模型。

🎯 应用场景

该研究的潜在应用领域包括军事侦察、灾害监测和环境监测等，能够有效提升SAR图像的目标识别能力，具有重要的实际价值。未来，SAMBA的设计理念和方法可以推广到其他领域的图像处理任务中，推动相关技术的发展。

📄 摘要（原文）

Synthetic aperture radar automatic target recognition (SAR ATR) is critical for Earth observation and defense, but its practical deployment is constrained by scarce annotated training data. Self-supervised pre-training alleviates this label bottleneck, yet prevailing Transformer architectures incur prohibitive quadratic computational complexity, and conventional universal masking neglects the unique electromagnetic scattering properties intrinsic to SAR imagery. To address these limitations, we propose SAMBA (Scattering-Guided Bidirectional Mamba), an efficient self-supervised pre-training foundation model for SAR target interpretation. Our framework features three core innovations: (i) a linear-complexity Mamba encoder with a mid-sequence class token to mitigate computational bottlenecks; (ii) a three-level hierarchical Scattering-Guided Masked Autoencoder (SG-MAE) masking strategy guided by SAR physical priors, aligning the pretext task with SAR's intrinsic imaging mechanism; (iii) a lightweight SpatialMix feature interaction module to enhance cross-region feature fusion. We also design a two-stage cross-domain pre-training pipeline to optimize the overall pre-training process. Extensive evaluations demonstrate that SAMBA consistently delivers superior performance across all pre-training configurations, with substantially fewer parameters than both CNN and Transformer baselines. Compared with the default masking strategy in standard MAE, the proposed SG-MAE strategy further boosts the model's few-shot transfer capability. Benchmarking on seven downstream datasets covering classification and detection tasks shows SAMBA achieves state-of-the-art (SOTA) performance on most metrics, fully validating its robust generalizability across diverse SAR interpretation tasks. Source code and pre-trained weights are publicly available at https://github.com/mynswkk/SAMBA.