MB-ORES：面向遥感图像的多分支对象推理器
计算机视觉与模式识别
2025-04-01 v1 人工智能
计算与语言
机器学习
多媒体
摘要
我们提出了一个统一框架，将对象检测（OD）和视觉定位（VG）集成于遥感图像处理中。为支持传统OD任务并为VG任务建立直观的先验， 我们对开放集对象检测器进行微调，使用指代表达数据进行训练，将其建模为半监督式OD任务。在第一阶段，我们构建图像的图表示，包含对象查询、类别嵌入和提案位置。随后， 我们任务感知架构处理该图以完成VG任务。该模型包含： (i) 集成空间、视觉和类别特征的多分支网络，用于生成任务感知提案， (ii) 对象推理网络对提案进行概率分配，随后通过软选择机制完成最终指代对象定位。我们的模型在OPT-RSVG和DIOR-RSVG数据集上表现优异，相较于当前最先进方法取得显著提升，同时保留经典OD能力。代码将在我们的仓库中提供：\url{https://github.com/rd20karim/MB-ORES}。
引用
@article{arxiv.2503.24219,
title = {MB-ORES: A Multi-Branch Object Reasoner for Visual Grounding in Remote Sensing},
author = {Karim Radouane and Hanane Azzag and Mustapha lebbah},
journal= {arXiv preprint arXiv:2503.24219},
year = {2025}
}