GeoFormer：面向多多边形分割的Transformer

遥感图像中常需要学习尺度不变的物体形状，如建筑物。以往方法依赖调整多个损失函数将分割图转换为最终的尺度不变表示，这需要复杂的设计和优化。为此，我们引入GeoFormer，一种新型架构，能够端到端地生成多多边形。通过将关键点以空间相关的标记方式进行自回归建模，GeoFormer在从卫星影像中描绘建筑物对象方面超越了现有方法。我们通过多种参数消除实验评估GeoFormer相对于以往方法的鲁棒性，并突出了优化单一似然函数的优势。本研究首次成功地将自回归Transformer模型应用于遥感多多边形预测，为建筑物矢量化提供了有前景的方法学替代方案。