一种面向遥感分类的 Diff-Attention Aware State Space Fusion 模型
摘要
多光谱（MS）和混合光谱（PAN）图像描述了相同的地表，因此这些图像不仅拥有各自的优势，也有大量相似信息。为分离这些相似信息及其各自的优势，减少融合阶段中的特征冗余，本文引入一种针对多模态遥感图像分类的 diff-Attention Aware State Space Fusion 模型（DAS2F-Model）。基于选择性状态空间模型，设计了跨模态 diff-Attention 模块（CMDA-Module）以提取和分离 MS 和 PAN 图像的共同特征及其各自主导特征。在此基础上，空间保护视觉米amba（SPVM）保留图像的空间特征，通过合理优化视觉米amba的输入来捕获局部特征。鉴于融合阶段的特征将在特征分离后产生较大的语义差异，简单的文件融合操作难以有效整合这些显著不同的特征，本文提出了注意力感知线性融合模块（AALF-Module），其通过计算影响系数实现像素级线性融合。该机制能够在保持特征大小不变的同时融合具有大语义差异的特征。实证评估表明，所提方法优于替代方法。相关代码可在：https://github.com/AVKSKVL/DAS-F-Model 查阅。
关键词
引用
@article{arxiv.2504.16665,
title = {A Diff-Attention Aware State Space Fusion Model for Remote Sensing Classification},
author = {Wenping Ma and Boyou Xue and Mengru Ma and Chuang Chen and Hekai Zhang and Hao Zhu},
journal= {arXiv preprint arXiv:2504.16665},
year = {2026}
}
备注
After a careful review, we discovered that there were data errors in the paper, which led to the invalidity of the conclusion. To avoid misleading the readers, we have decided to withdraw this article. We appreciate your understanding and support for our work