论文解读 | ECCV 2024 | 2026-06-01

📄 论文信息

🎯 解决的核心问题

问题背景

遥感图像与自然图像存在本质差异：同一地物在不同拍摄角度下会呈现完全不同的视觉外观。例如，一栋建筑物从东南方向和西北方向拍摄，其外观可能截然不同。这种旋转变化是遥感图像的固有特性。

现有方法的局限

现有的自监督预训练方法（如MAE、SatMAE等）主要借鉴自然图像的预训练策略，忽略了遥感图像中普遍存在的角度变化问题：

1. MAE系列：直接重建被掩码的图像块，未考虑旋转带来的外观变化
2. 对比学习方法：依赖数据增强，但未显式建模角度信息
3. 现有遥感预训练：大多直接迁移自然图像方法，未针对遥感特性设计

核心问题提炼

如何在自监督预训练中显式地感知和学习遥感图像中的角度信息，从而获得旋转不变的特征表示？

💡 解决方案

核心创新点1：Scaling Center Crop（缩放中心裁剪）

设计动机：遥感图像中的地物可能以任意角度出现，需要模型能够感知并适应这种角度变化。

具体实现：