面向卫星图像超分辨率的分段感知潜在扩散：小holder 农场边界描绘
计算机视觉与模式识别
2025-11-19 v1
摘要
通过卫星图像分段描绘农场边界是许多农业应用中的基础步骤。该任务在小holder 农场尤其具有挑战性，因为准确描绘需要使用仅在低频率（例如年度）可得的高分辨率（HR）影像。为支持更频繁（亚）季节监测，可以将 HR 影像作为参考（ref）与具有更高频率（例如每周）的低分辨率（LR）影像进行组合，采用参考基超分辨率（Ref-SR）方法。然而，当前的 Ref-SR 方法优化感知质量，平滑处理对下游任务至关重要的关键特征，无法满足此任务对大尺度因子的要求。此外，之前的两步式的超分辨率后接分段方法无法有效利用来自多源卫星数据的多样性。我们通过一种新方法 来解决这些问题，该方法结合了条件潜在扩散模型和大规模多光谱、多源地理空间基础模型。我们的关键创新是绕过像素空间中的显式超分辨率任务，而是在分段感知的潜在空间中进行超分辨率。这一独特方法使我们能够生成 unprecedented 20 的分段图，严格的实验在两个大型真实数据集上表明，相对于基于最新 Ref-SR 方法的做法，分别在实例分段和语义分段指标上分别实现了 和 的相对改进。
关键词
引用
@article{arxiv.2511.14481,
title = {Segmentation-Aware Latent Diffusion for Satellite Image Super-Resolution: Enabling Smallholder Farm Boundary Delineation},
author = {Aditi Agarwal and Anjali Jain and Nikita Saxena and Ishan Deshpande and Michal Kazmierski and Abigail Annkah and Nadav Sherman and Karthikeyan Shanmugam and Alok Talekar and Vaibhav Rajan},
journal= {arXiv preprint arXiv:2511.14481},
year = {2025}
}