CC-Diff：增强遥感图像合成中的上下文一致性
计算机视觉与模式识别
2025-03-11 v3
摘要
现有自然场景图像合成方法主要关注前景控制，常将背景简化为简单纹理。因此，这些方法往往忽视前景与背景之间的内在关联，可能导致遥感(RS)场景下的合成结果不一致且不真实。本文引入CC-Diff，一种基于扩散模型的方法，用于遥感图像生成，旨在增强上下文一致性。具体而言，我们提出了一种新的双重重采样器用于特征提取，并内置一个"上下文桥接"来显式捕捉前景与背景之间的复杂相互依赖。此外，我们在生成背景特征时采用前景感知注意力机制，以强化二者之间的联系，从而提高合成上下文的可信度。大量实验表明，CC-Diff在关键质量指标上优于最先进的方法，在遥感领域表现卓越，并能有效泛化到自然图像。值得注意的是，CC-Diff具有高训练性，使检测准确率在DOTA数据集上提升1.83个mAP，在COCO基准测试中提升2.25个mAP。
引用
@article{arxiv.2412.08464,
title = {CC-Diff: Enhancing Contextual Coherence in Remote Sensing Image Synthesis},
author = {Mu Zhang and Yunfan Liu and Yue Liu and Yuzhong Zhao and Qixiang Ye},
journal= {arXiv preprint arXiv:2412.08464},
year = {2025}
}