探索面向遥感图像的文本引导单图像编辑

人工智能生成内容（AIGC）对遥感领域的图像生成产生了重大影响。然而，同样重要的遥感图像（RSI）编辑领域却未受到足够重视。基于深度学习的编辑方法通常包含两个连续阶段：生成和编辑。对于自然图像，这些阶段主要依赖于在大规模基准数据集上预训练的生成主干网络，以及由视觉-语言模型（VLM）提供的文本引导。然而，这对 RSI 变得不太可行：首先，现有的生成式 RSI 基准数据集未能完全捕捉 RSI 的多样性，且通常不足以应对通用编辑任务。其次，单一文本语义对应多个图像语义，导致引入错误语义。为了解决上述问题，本文提出了一种文本引导的 RSI 编辑方法，并且仅需使用单张图像即可进行训练。该方法采用多尺度训练策略以在无需大规模基准训练的情况下保持一致性，同时利用 RSI 预训练的 VLM 和提示集成（PE）来确保准确性和可控性。在多个 RSI 编辑任务上的实验结果表明，与现有方法相比，所提出的方法在 CLIP 分数和主观评估方面均具有显著优势。此外，我们探讨了编辑后的 RSI 支持灾害评估任务的能力，以验证其实用性。代码将发布于 https://github.com/HIT-PhilipHan/remote_sensing_image_editings。