洞察任意实例：基于提示的遥感图像实例分割

遥感图像（RSIs）的实例分割是广泛应用的关键任务，如土地规划和智能交通。RSIs 的实例分割始终受前景与背景比例失衡和实例尺寸受限的困扰。大多数实例分割模型基于深度特征学习，包含多次下采样等操作，这对 RSIs 的实例分割不利，导致性能受限。灵感来源于最近在视觉任务中提示学习的卓越性能，本文提出了一种新颖的提示范式以解决上述问题。基于现有实例分割模型，首先设计局部提示模块，从原始局部 token 中为特定实例挖掘局部提示信息；其次设计全局到局部提示模块，为特定实例的位置建模来自全局 token 的上下文信息；最后设计一个提案面积损失函数，以规模维度为提案添加解耦，以更好地利用上述两个提示模块的潜力。值得一提的是，我们的方法可将实例分割模型扩展为可提示的实例分割模型，即可使用特定边界框提示进行实例分割。每一次可提示的实例分割仅需 40 毫秒。本文基于 RSIs 的几个现有数据集进行实验评估，严格实验表明我们的方法有效解决了上述问题，是 RSIs 实例分割的竞争模型。