遥感分割新突破！UrbanSAM首创多尺度提示器，无惧城市复杂场景，分割精度跃升

文章预览

点击下方卡片，关注 「集智书童」 公众号 点击加入👉 「集智书童」 交流群         导读 从遥感（RS）图像中提取和分割目标在 urban 环境监测中是一项关键且具有挑战性的任务。城市形态本身复杂，包含形状和尺度各异的非规则物体。这些挑战因 RS 数据源（包括传感器、平台和模式）的异质性和尺度差异而加剧，使得准确的目标分割特别具有挑战性。虽然 Segment Anything Model（SAM）在分割复杂场景方面显示出巨大的潜力，但由于需要手动交互 Prompt ，其在处理形状变化的物体方面的性能仍然有限。为此，作者提出了 UrbanSAM，这是 SAM 的一个定制版本，专门设计用于分析复杂城市环境，同时解决来自遥感观测的尺度效应问题。 受多分辨率分析（MRA）理论的启发，UrbanSAM 集成了一种新颖的可学习 Prompt 器，配备了一个 Uscaling-Adapter，该 Adapter 遵循不变 ………………………………