Sat3R：基于RPC感知深度微调的卫星DEM重建
计算机视觉与模式识别
2026-05-11 v1
摘要
accurate Digital Surface Model（DSM）从卫星影像重建对于灾后应对、城市规划和大规模地理制图等应用至关重要。现有方法面临一个根本性权衡：基于优化的方法在精度上表现突出，但需数小时的单场景计算；而通用几何基础模型在推断速度上几乎即时，但因理性多项式相机（RPC）模型引入的领域差异以及深度尺度分布不匹配，难以推广到卫星影像。我们提出Sat3R，一种通过RPC感知的深度Anything V2进行尺度无关对数（SiLog）损失微调的前馈框架，以弥合这一鸿沟。通过构建从RPC几何中物理一致的伪深度监督，Sat3R在无需单场景优化的情况下，将单目深度基础模型适配到卫星领域。在DFC2019基准上进行实验，表明Sat3R相对于零样态前馈基线将MAE降低38%，在准确度上与基于优化的方法持平，同时实现300倍以上的加速。Sat3R表明，经过恰当适配到卫星领域后，前馈模型可在计算成本比例下匹配基于优化的方法的精度，为实际的大规模卫星DSM重建铺平了道路。
引用
@article{arxiv.2605.07264,
title = {Sat3R: Satellite DSM Reconstruction via RPC-Aware Depth Fine-tuning},
author = {Qiaoyi Yang and Chaoyi Zhou and Xi Liu and Run Wang and Minghui Xu and Mert D. Pesé and Feng Luo and Yuhao Xu and Zhi-Qi Cheng and Qiushi Chen and Hairong Qi and Siyu Huang},
journal= {arXiv preprint arXiv:2605.07264},
year = {2026}
}