SLIP-RS：用于遥感目标检测的结构化属性语言-图像预训练
计算机视觉与模式识别
2026-05-25 v1
摘要
现有的用于遥感目标检测的语言-图像预训练受限于单体标签学习，后者依赖于通过黑盒数据穷举开放集类别以获取细粒度表示，从而产生了一种与该领域固有的数据稀缺性不相容的依赖。为突破此瓶颈，我们提出 SLIP-RS，建立了一种结构化属性解耦范式，将开放式类别空间映射至有限的、具有物理意义的属性空间，通过显式的结构逻辑释放细粒度判别能力。该范式通过两大技术支柱实现：(1) 结构化属性对比学习，通过组合属性增强强制学习解耦的内在视觉逻辑；(2) 保形属性可靠性引擎，利用保形预测理论从噪声源中严格提取高保真监督，由此构建了 RS-Attribute-15M，即包含超过 1500 万条属性注释的最大数据集。大量实验表明，SLIP-RS 在细粒度检测与跨域泛化方面确立了前所未有的性能，验证了结构化属性作为遥感重要基础的有效性。代码：https://github.com/facias914/SLIP-RS。
引用
@article{arxiv.2605.23144,
title = {SLIP-RS: Structured-Attribute Language-Image Pre-Training for Remote Sensing Object Detection},
author = {Chenxu Wang and Yuxuan Li and Yunheng Li and Xiang Li and Jingyuan Xia and Qibin Hou},
journal= {arXiv preprint arXiv:2605.23144},
year = {2026}
}