基于层次注意力掩码与模型组合的遥感开放词汇语义分割
计算机视觉与模式识别
2026-03-02 v1
摘要
本文提出 ReSeg-CLIP，一种新的无训练开放词汇语义分割方法，用于遥感数据。为弥补视觉语言模型（如 CLIP）在语义分割中由于自注意力层内交互不当而存在的局限性，我们引入一种层次化方案，利用 SAM 生成的掩码在多个尺度上约束交互。我们还提出了一种模型组合方法，通过对多个遥感特定 CLIP 变体的参数进行平均，利用评估不同文本提示下表征质量的新颖加权方案。该方法在三个遥感基准上无需额外训练即可实现最先进的效果。
引用
@article{arxiv.2602.23869,
title = {Open-Vocabulary Semantic Segmentation in Remote Sensing via Hierarchical Attention Masking and Model Composition},
author = {Mohammadreza Heidarianbaei and Mareike Dorozynski and Hubert Kanyamahanga and Max Mehltretter and Franz Rottensteiner},
journal= {arXiv preprint arXiv:2602.23869},
year = {2026}
}
备注
Published in the proceedings of the British Machine Vision Conference Workshops 2025