GEAR：基于地理知识的极端环境下类比识别框架
计算机视觉与模式识别
2026-03-20 v1
摘要
马里亚纳沉船深海和青藏高原均存在显著的地质起源相似性和微生物代谢功能相似性。鉴于深海生物采样成本高昂，识别马里亚纳沉船深海的陆地类比（即青藏高原上的类似地形）具有重要意义。然而，现有模型要么忽视地理知识，要么牺牲计算效率，无法充分解决跨域地形相似性检索问题。为此，我们提出\underline{\textbf{G}}eography-knowledge \underline{\textbf{E}}nhanced \underline{\textbf{A}}nalog \underline{\textbf{R}}ecognition (\textbf{GEAR})框架，构建一个三阶段管道，旨在高效检索青藏高原250万平方公里范围内的类比区域：（1）基于骨架引导的筛选与裁剪：识别候选山谷并基于尺寸和线性形态特征进行初步筛选。（2）物理感知过滤：采用地形波形比较器（TWC）和形态纹理模块（MTM）评估波形和纹理，对不一致的候选山谷进行过滤。（3）基于图的精细识别：我们设计了一个基于地貌学指标的\underline{\textbf{M}}orphology-integrated \underline{\textbf{S}}iamese \underline{\textbf{G}}raph \underline{\textbf{N}}etwork（MSG-Net）。相应地，我们发布了一个针对板块碰撞区的专家标注的地形相似性数据集。实验表明，每个阶段均有效。此外，MSG-Net的F1分数比SOTA基线高出1.38个百分点。利用MSG-Net提取的特征，我们发现其与生物数据的显著相关性，这为未来的生物分析提供了证据。
引用
@article{arxiv.2603.18626,
title = {GEAR: Geography-knowledge Enhanced Analog Recognition Framework in Extreme Environments},
author = {Zelin Liu and Bocheng Li and Yuling Zhou and Xuanting Li and Yixuan Yang and Jing Wang and Weishu Zhao and Xiaofeng Gao},
journal= {arXiv preprint arXiv:2603.18626},
year = {2026}
}