可迁移图像合成网络

多模态融合增强分割训练

联合参考-语义融合，一个为遥感语义分割任务设计的可迁移图像合成方案，让生成数据更贴近下游任务需求。

Dong, Runmin · 袁帅 · Feng, Litong · Jinxiao, Zhang · Li, Weijia · Mengxuan, Chen · Bin, Luo · Zhang, Wayne · 付昊桓

Information Fusion 2026

参数信息

整体准确率提升（OA）

1.52 %

平均交并比提升（mIoU）

2.32 %

平均准确率提升（mAcc）

3.04 %

整体准确率提升（OA）

1.33 %

平均交并比提升（mIoU）

1.06 %

平均准确率提升（mAcc）

3.04 %

整体准确率提升（OA）

1.15 %

平均交并比提升（mIoU）

1.67 %

技术优势

多模态深度交互

训练时集成参考图像、语义掩码和文本提示，让模型捕捉内容等深层特征，而不是只做浅层特征迁移。

稳定提升分割精度

作为分割数据增强方法，它在三个数据集上分别提升OA/mIoU/mAcc达1.15%/1.67%/2.04%以上，均超基线仅用原始数据训练。

跨域泛化能力强

与前沿分割训练数据合成方法相比，在尺度、分辨率、分割复杂度和领域各异的数据集上均表现更优。

算法开源可复现

代码已在GitHub公开，便于其他研究者直接使用和验证。

应用场景

• 遥感语义分割：用生成数据弥补遥感标注稀缺，提升分割模型精度。
• 生成式数据增强：生成多样训练样本，增强模型对未见场景的泛化。
• 卫星图像分析：适配不同卫星传感器和分辨率，扩充卫星图像分析数据。
• 遥感数据融合：融合参考图像、语义掩码和文本提示，提取深层特征。