CoDEx：结合领域专知识策求卫星图像分析中的空间泛化
计算机视觉与模式识别
2025-04-29 v1
摘要
地形外观的全球性差异为卫星图像分析带来了主要挑战，导致在测试时间遇到与训练时不同位置的模型性能较差。即使使用最新的大规模全局数据集，也仍然如此。为解决这一挑战，我们提出了一种新的卫星图像领域泛化框架。我们不尝试学习单个可泛化模型，而是为每个训练领域训练一个专家模型，同时学习专家之间的相似性并鼓励相似的专家保持一致。随后，一个模型选择模块识别给定测试样本最合适的专家并整合其预测。在四个数据集（DynamicEarthNet、MUDS、OSCD 和 FMoW）上的实验表明，我们的方法在现有领域泛化和适应方法上 consistently 获得提升。我们的代码已公开，地址为 https://github.com/Abhishek19009/CoDEx。
引用
@article{arxiv.2504.19737,
title = {CoDEx: Combining Domain Expertise for Spatial Generalization in Satellite Image Analysis},
author = {Abhishek Kuriyal and Elliot Vincent and Mathieu Aubry and Loic Landrieu},
journal= {arXiv preprint arXiv:2504.19737},
year = {2025}
}
备注
CVPR 2025 EarthVision Workshop