PC-SAM：块约束的细粒度交互式高分辨率遥感图像道路分割
计算机视觉与模式识别
2026-04-02 v1
摘要
从遥感图像中获取的道路掩码有效支持了广泛的下游任务。近年来，大多数研究集中于提升该任务全自动分割模型的性能，取得了显著进展。然而，当前的全自动方法在识别某些具有挑战性的道路段时仍然不足，且常产生假正区域和假负区域。此外，全自动分割不支持感兴趣区域的局部分割或现有掩码的细化。尽管 SAM 模型被广泛用作交互式分割模型并在自然图像上表现良好，但其在遥感道路分割中表现不佳，且无法支持细粒度的局部细化。为解决这些局限性，我们提出了 PC-SAM，它将全自动道路分割和交互式分割集成在一个统一框架中。通过精心设计的微调策略，点提示的影响被约束在其对应的块内，克服了原始 SAM 无法进行细粒度局部修正的缺陷，从而实现了细粒度交互式掩码细化。在多个代表性遥感道路分割数据集上的大量实验表明，当结合点提示时，PC-SAM 在道路掩码分割方面显著超越了最先进的最优全自动模型，同时提供了灵活的局部掩码细化和局部道路分割。代码将在 https://github.com/Cyber-CCOrange/PC-SAM 上公开。
引用
@article{arxiv.2604.00495,
title = {PC-SAM: Patch-Constrained Fine-Grained Interactive Road Segmentation in High-Resolution Remote Sensing Images},
author = {Chengcheng Lv and Rushi Li and Mincheng Wu and Xiufang Shi and Zhenyu Wen and Shibo He},
journal= {arXiv preprint arXiv:2604.00495},
year = {2026}
}