论文解读 | CVPR 2026 | 2026-06-01

📄 论文信息

🎯 解决的核心问题

问题背景

在遥感图像分析中，指令驱动分割（Instruction-Driven Segmentation）是一种新兴的范式，用户可以通过自然语言指令来指定需要分割的目标区域。这种交互方式极大地提升了遥感图像分析的可访问性和通用性，在城市规划、环境监测、灾害评估等领域具有广泛的应用前景。

现有方法的局限

然而，当前的指令驱动分割方法面临三个核心挑战：

1. 任务碎片化：现有方法通常只针对单一任务（如引用分割或交互分割）进行设计，缺乏统一的框架来处理多种指令类型。这导致模型难以利用不同任务之间的互补性，限制了跨任务的迁移能力。

2. 数据规模不足：当前的遥感指令分割数据集规模有限，且在视觉和文本领域的多样性不足。例如，RefSegRS仅有285张图像和4.4K样本，RRSIS-D也只有17K样本。这种数据稀缺性严重制约了模型的泛化能力。

3. 推理能力薄弱：现有方法在处理需要复杂上下文理解和推理的指令时表现不佳。例如，当指令涉及空间关系、属性约束或因果推理时，模型往往无法准确理解用户意图。

核心问题提炼

如何构建一个统一的、具备强大推理能力的指令驱动分割框架，以应对遥感图像中多样化的分割需求？

💡 解决方案

核心创新点1：GeoSeg-1M百万级数据集

设计动机：现有数据集规模小、任务单一，无法支撑统一框架的训练。需要构建一个大规模、多任务、高质量的指令分割数据集。

具体实现：

1. 数据来源整合：整合了18个公开的遥感分割数据集，包括SkyScapes、DIOR、DOTA、LoveDA、Potsdam等，涵盖0.05m到153m的空间分辨率。

2. 自动化构建流水线：

   text

   ]]>