PPTFormer：用于无人机图像分割的伪多视角Transformer

无人机（Unmanned Aerial Vehicles, UAVs）在多个领域的崛起， necessitates effective UAV image segmentation，这一任务面临由于无人机捕获图像视角动态变化带来的挑战。传统分割算法因无法准确模拟无人机视角的复杂性，而难以胜任；此外，获取多视角标注数据集的成本也十分高昂。为此，本文引入PPTFormer，即一种新型\textbf{P}seudo Multi-\textbf{P}erspective \textbf{T}ransformer网络，以彻底革新无人机图像分割。我们的做法规避了实际获取多视角数据的需求，通过构建伪视角实现更高的多视角学习。PPTFormer网络集成了视角表示、创新的视角原型，以及专用的编码器和解码器，借助伪多视角注意（Pseudo Multi-Perspective Attention, PMP Attention）和特征融合，实现卓越的分割效果。我们的实验表明，PPTFormer在五个无人机分割数据集上实现了最先进的性能，证明其有效模拟无人机飞行视角的能力，显著提升分割精度。本工作为无人机场景理解的开创性突破，为未来语义分割工作设定了新基准。