Mamba凭借高效序列建模能力正快速渗透遥感领域，成为地学智能计算的新热点，覆盖图像解译、变化检测、时序分析等多类任务。
本文整理了10篇Mamba+遥感相关的最新前沿论文，正在做相关课题的伙伴可以直接下方领取论文及代码（部分包含），搭基线、找改进点、扩实验方向都能直接用上。
长按识别下方二维码，回复【曼巴遥感】
无偿领全部论文合集及项目代码
SwinMamba: A hybrid local–global mamba framework for enhancing semantic segmentation of remotely sensed images
面向遥感影像语义分割的局部-全局混合Mamba框架
文章内容
该研究针对现有Vision Mamba全局扫描易忽略纹理、边缘等局部细节的问题，提出SwinMamba混合框架。模型前两阶段采用滑动窗口内的局部Mamba扫描捕捉细粒度特征，后两阶段切换全局扫描融合上下文信息，通过重叠窗口机制增强区域间信息交互。在LoveDA与ISPRS Potsdam遥感数据集上，模型mIoU较基准VMamba分别提升1.06%与0.33%，在边界与小目标分割精度上优势显著，为高分辨率遥感语义分割提供了新的高效方案。
MambaRefine-YOLO: A Dual-Modality Small Object Detector for UAV Imagery
面向无人机影像的双模态小目标检测器
文章内容
该研究针对无人机影像小目标检测分辨率低、背景复杂的难题，提出MambaRefine-YOLO检测框架。核心包含双门控互补Mamba融合模块，通过光照门控与差异门控自适应融合RGB与红外特征；搭配分层特征聚合颈采用“先精炼后融合”策略增强多尺度表征。在DroneVehicle双模态数据集上mAP达83.2%，较基线提升7.9%；在VisDrone单模态数据集上同样表现优异，兼顾检测精度与推理效率。
Mamba-FCS: Joint Spatio-Frequency Feature Fusion, Change-Guided Attention, and SeK Loss for Enhanced Semantic Change Detection in Remote Sensing
融合空频特征、变化引导注意力与SeK损失的增强型遥感语义变化检测
文章内容
该研究面向遥感语义变化检测任务，提出Mamba-FCS框架。模型以VMamba为骨干，设计空频联合特征融合模块引入对数幅值频域特征，抑制光照伪影并增强边缘清晰度；加入变化引导注意力模块关联二值变化与语义分支，实现双向性能增强；提出SeK损失函数优化类别不平衡场景下的语义一致性。在SECOND与Landsat-SCD数据集上多项指标均达到SOTA，在稀有变化类型检测上精度提升显著。
↓↓听说在下方一键三连的都Accept了🌝
