论文解读 | arXiv 2025 | 2026-06-01

📄 论文信息

🎯 解决的核心问题

问题背景

遥感图像语义分割是地球观测的核心任务，但传统方法受限于闭集假设——只能识别训练集中预定义的类别。在实际应用中，遥感场景包含无数未知类别，手动标注成本高昂且不切实际。

现有方法的局限

1. CLIP基方法的困境：现有的免训练开放词汇分割方法主要基于CLIP，但在遥感场景中面临精确定位困难，尤其是处理密集小目标时表现不佳。

2. 复杂流水线问题：一些方法需要复杂的模块组合来分别处理语义和实例信息，增加了系统复杂度。

3. 大词汇量挑战：地理空间场景中词汇量庞大，patch级处理容易产生大量误报。

核心问题提炼

如何利用最新的SAM 3模型，在遥感图像中实现高效、免训练的开放词汇语义分割，并扩展到变化检测等更多任务？

💡 解决方案

核心创新点1：Mask融合策略

设计动机：SAM 3同时具备语义分割头（semantic head）和Transformer解码器（instance head），两者各有优势：

• 语义分割头：擅长土地覆盖分类
• 实例头：擅长目标实例识别

具体实现：