基于大型视觉模型的遥感影像自引导少样本语义分割
计算机视觉与模式识别
2023-11-23 v1
摘要
Segment Anything Model（SAM）凭借其大规模训练数据（SA-1B）展现出卓越的通用性与零样本学习能力。鉴于SAM因其类别无关特性而依赖人工引导，我们发现了其在遥感影像少样本语义分割任务中尚未被挖掘的潜力。本研究引入了一种面向少样本语义分割自动化的结构化框架，该框架利用SAM模型并促进生成更具语义可辨性的分割结果。我们方法的核心是一种新颖的自动提示学习方法，利用先验引导掩码为SAM生成粗粒度像素级提示。在DLRSD数据集上的大量实验凸显了我们方法的优越性，其性能优于其他已有的少样本方法。
引用
@article{arxiv.2311.13200,
title = {Self-guided Few-shot Semantic Segmentation for Remote Sensing Imagery Based on Large Vision Models},
author = {Xiyu Qi and Yifan Wu and Yongqiang Mao and Wenhui Zhang and Yidan Zhang},
journal= {arXiv preprint arXiv:2311.13200},
year = {2023}
}