领域迁移 - Tag - 堂堂一跑堂https://spacetop.win/tags/%E9%A2%86%E5%9F%9F%E8%BF%81%E7%A7%BB/领域迁移 - Tag - 堂堂一跑堂Hugo -- gohugo.iozh-CNkingcopper@whu.edu.cn (WangTong)kingcopper@whu.edu.cn (WangTong)Mon, 01 Jun 2026 12:00:00 +0800RSKT-Seg：旋转不变+领域迁移实现遥感图像开放词汇分割https://spacetop.win/2026/06/20260601_223000_rskt_seg_open_vocabulary/Mon, 01 Jun 2026 12:00:00 +0800WangTonghttps://spacetop.win/2026/06/20260601_223000_rskt_seg_open_vocabulary/ RSKT-Seg：旋转不变+领域迁移实现遥感图像开放词汇分割

论文解读 | AAAI 2026 Oral | 2026-06-01

📄 论文信息

项目 内容
标题 Exploring Efficient Open-Vocabulary Segmentation in the Remote Sensing
作者 Bingyu Li, Xuelong Li 等
会议 AAAI 2026 Oral
单位 中国科学技术大学, TeleAI
arXiv https://arxiv.org/abs/2509.12040
GitHub https://github.com/LiBingyu01/RSKT-Seg
关键词 开放词汇分割, 遥感图像, 旋转不变, 领域迁移, 成本图

🎯 解决的核心问题

开放词汇语义分割（Open-Vocabulary Semantic Segmentation, OVS）是计算机视觉领域的重要任务，旨在分割任意文本描述的类别。然而，当这一技术应用于遥感图像时，面临独特的挑战：

  1. 领域差异：自然图像与遥感图像在视角、尺度、纹理等方面存在显著差异
  2. 旋转不变性需求：遥感图像通常从俯视角度拍摄，目标方向任意，需要模型具备旋转不变性
  3. 缺乏统一基准：遥感领域缺乏标准化的开放词汇分割评估基准
  • 直接迁移效果差：将自然图像的OVS方法直接应用于遥感场景，性能显著下降
  • 旋转敏感：传统方法对目标方向敏感，难以处理任意旋转的遥感目标
  • 计算效率低：现有方法通常计算复杂度高，难以满足大规模遥感数据处理需求

如何设计一个专为遥感图像优化的开放词汇分割框架，同时具备旋转不变性和高效率？

💡 解决方案

设计动机：遥感图像中的目标可能以任意方向出现，传统方法使用单一方向的视觉-语言相似度计算无法捕捉旋转不变特征。

具体实现：