多尺度专家调优分割网络

多模态遥感分割新SOTA

突破视觉基础模型在多模态遥感中的模态差异与复杂地表结构建模瓶颈，显著提升跨尺度不规则地物与密集弱相关区域的分割精度。

李加元 · Wang, Zhen · 许楠 · You, Zhuhong · Huang, Deshuang

IEEE Transactions on Geoscience and Remote Sensing 2025

技术优势

跨尺度地物抓得稳

自适应多尺度专家调优显著增强视觉基础模型的特征提取能力，即使形态不规则的地物也能被稳健捕获。

密集弱相关区域分得开

协同框点提示机制显著提升了空间定位和上下文判别能力，尤其适用于密集分布且弱相关的目标。

在公开基准上刷新SOTA

在公开Opt-DSM基准数据集上的大量实验表明，VF-MET达到了最先进的性能。

多模态特征融合更高效

两阶段掩码解码器促进了高效的多模态特征融合，增强了上下文理解能力。

应用场景

• 遥感地物分类：用光学与DSM联合信息提升复杂地形下地物分类精度，替代传统仅用光谱特征的方案。
• 多模态数据融合：通过两阶段掩码解码器高效融合光学与DSM特征，弥合模态差异并增强上下文理解。
• 无人机遥感影像分析：模型能稳健捕获跨尺度不规则地物，适用于无人机高分辨率影像中形状多变的物体分割。
• 自主机器人场景理解：箱点提示机制改善密集弱相关区域的空间定位，可直接融入机器人实时语义分割流程。