解耦与校正：面向开放词汇遥感分割的语义保持结构增强
计算机视觉与模式识别
2026-04-03 v1
摘要
开放词汇语义分割在遥感 (RS) 领域需要语言对齐的识别和细粒度的空间描绘。尽管 CLIP 提供了稳健的语义泛化能力，但其全局对齐的视觉表示天然难以捕获结构细节。最近的尝试通过引入 RS 预训练 DINO 特征来补偿这一不足，但这些方法将 CLIP 表示视为单一的语义空间，无法定位何处需要结构增强，从而难以有效描绘边界，同时风险扰乱 CLIP 的语义完整性。为此，我们提出了 DR-Seg，一个 novel decouple-and-rectify 框架。我们的关键观察是 CLIP 特征通道具有 distinct 功能异构性，而非形成统一的语义空间。基于这一洞察，DR-Seg 将 CLIP 特征解耦为语义主导和结构主导 的子空间，使 DINO 能够在不扰乱语言对齐语义的前提下进行针对性结构增强。随后，一个由 prior-driven graph rectification 模块在 DINO 指导下注入高保真结构先验以形成精炼分支，while 一个 uncertainty-guided adaptive fusion 模块动态整合这个精炼分支与原始 CLIP 分支以获得最终预测。全面实验在八个基准数据集上表明，DR-Seg 建立了一个新的 state-of-the-art。
引用
@article{arxiv.2604.02010,
title = {Decouple and Rectify: Semantics-Preserving Structural Enhancement for Open-Vocabulary Remote Sensing Segmentation},
author = {Jie Feng and Fengze Li and Junpeng Zhang and Siyu Chen and Yuping Liang and Junying Chen and Ronghua Shang},
journal= {arXiv preprint arXiv:2604.02010},
year = {2026}
}