论文解读 | CVPR 2025 | 2026-06-01

📄 论文信息

🎯 解决的核心问题

问题背景

遥感视频数据的普及为动态目标监测带来了新的机遇与挑战。与静态遥感图像不同，视频数据包含时间维度信息，能够捕捉运动目标的动态变化。然而，现有方法在处理遥感视频分割时面临三大难题：

1. 目标尺寸小：遥感图像中的运动目标通常占据很小的像素比例，难以准确识别
2. 特征模糊：小目标的语义特征不明显，容易与其他地物混淆
3. 泛化能力不足：针对特定场景训练的模型难以迁移到其他遥感数据

现有方法的局限

SAM（Segment Anything Model） 虽然在通用图像分割领域表现出色，但直接应用于遥感视频时存在以下问题：

• 领域差异：SAM在自然图像上预训练，对遥感图像的特殊性（俯视视角、多尺度目标）适应不足
• 时序信息缺失：SAM是单帧分割模型，无法充分利用视频的时序连续性
• 细节丢失：SAM的编码器对深层特征的处理不够精细，导致分割边界模糊

核心问题提炼

如何在保持SAM强大泛化能力的同时，实现遥感视频中运动目标的高质量交互式分割？

💡 解决方案

核心创新点1：LoRA微调策略

设计动机：直接全参数微调SAM会破坏其在大规模数据上学到的通用表示能力，导致过拟合到遥感领域。

具体实现：