5%特征即可定位
专为遥感视觉接地设计，通过文本引导的稀疏推理大幅降低计算冗余，同时保持跨模态对齐精度。
Yichen, Zhao · Chen, Yaxiong · Ruilin, Yao · 熊盛武 · 卢孝强
Information Fusion 2025
通过文本感知融合模块利用图像上下文的文本线索细化视觉特征，抑制复杂背景和相似地物的干扰。
文本引导稀疏解码器将图像分辨率与推理复杂度解耦，仅采样5.12%的视觉特征进行跨模态推理。
上下文增强交互模块通过建模多模态上下文，协调遥感图像与文本之间的差异，提升对齐质量。
在DIOR-RSVG、OPT-RSVG和VRSBench三个基准上的大量实验证明了该方法的有效性。