HarmoniDiff-RS：面向卫星图像合成的免训练扩散和谐化
计算机视觉与模式识别
2026-04-22 v1
摘要
卫星图像合成在数据增强、灾害模拟和城市规划等遥感应用中发挥着关键作用。我们提出 HarmoniDiff-RS，一个免训练的基于扩散的框架，用于在不同域条件下对合成卫星图像进行和谐化处理。我们的方法通过 Latent Mean Shift 操作对齐源域和目标域，在两者之间传递辐射特征。为了平衡和谐化与内容保留，我们引入了一种 Timestep-wise Latent Fusion 策略，利用早期反转潜变量实现高和谐化，利用晚期潜变量保持语义一致性，从而生成一组合成候选图像。我们训练了一个轻量级和谐性分类器，以进一步自动从中选择最连贯的结果。我们还构建了 RSIC-H，一个源自 fMoW 的卫星图像和谐化基准数据集，提供 500 对合成样本。实验表明，我们的方法能有效进行卫星图像合成，在可扩展的遥感合成与模拟任务中展现出巨大潜力。代码可在：https://github.com/XiaoqiZhuang/HarmoniDiff-RS 获取。
引用
@article{arxiv.2604.19392,
title = {HarmoniDiff-RS: Training-Free Diffusion Harmonization for Satellite Image Composition},
author = {Xiaoqi Zhuang and Jefersson A. Dos Santos and Jungong Han},
journal= {arXiv preprint arXiv:2604.19392},
year = {2026}
}
备注
8 pages, 6 figures, CVPR 2026 findings. Code is available at https://github.com/XiaoqiZhuang/HarmoniDiff-RS