D2-CDIG：结合 DEM 与云雾双重先验的受控扩散遥感图像生成
计算机视觉与模式识别
2026-05-15 v1
摘要
遥感图像生成为遥感大模型和下游任务提供了可靠的数据基础。然而，现有的可控遥感图像生成方法通常依赖于分割和边缘检测等传统技术，未能充分利用地形或大气条件。因此，在处理复杂地形和大气现象时，生成的图像往往缺乏准确性和自然性。在本文中，我们提出了一种新颖的遥感图像生成框架 D2-CDIG，该框架将扩散模型与双重先验控制机制相结合。通过将数字高程模型（DEM）和云雾信息作为双重先验知识纳入，D2-CDIG 精确控制生成图像中的地表特征和大气现象。具体而言，D2-CDIG 通过对地表分支和大气分支的独立控制，解耦了地形和大气生成过程。此外，还引入了精细的云雾滑块，以灵活调整云层厚度和分布。在训练过程中，地表和大气控制信号被分层注入，以确保图像内的无缝过渡。与基于分割或边缘检测的传统方法相比，D2-CDIG 在图像质量、细节丰富度和真实性方面均展现出显著提升。D2-CDIG 为遥感图像生成提供了灵活且精确的解决方案，为训练遥感大模型和下游任务提供了高质量数据。
引用
@article{arxiv.2605.14326,
title = {D2-CDIG: Controlled Diffusion Remote Sensing Image Generation with Dual Priors of DEM and Cloud-Fog},
author = {Zuopeng Zhao and Ying Liu and Kanyaphakphachsorn Pharksuwan and Su Luo and Xiaoyu Li and Maocai Ning},
journal= {arXiv preprint arXiv:2605.14326},
year = {2026}
}