TASAM：用于时间尺度遥感分割的地形与时间感知 Segment Anything 模型
计算机视觉与模式识别
2025-09-22 v1
摘要
Segment Anything Model (SAM) 在自然图像领域展现出了令人印象深刻的零样本分割能力，但它难以泛化到遥感数据的独特挑战中，如复杂地形、多尺度对象和时间动态。在本文中，我们介绍了 TASAM，一个专门为高分辨率遥感图像分割设计的 SAM 地形与时间感知扩展。TASAM 集成了三个轻量但有效的模块：一个注入高程先验的地形感知适配器，一个随时间捕捉土地覆盖变化的时间提示生成器，以及一个增强细粒度对象描绘的多尺度融合策略。无需重新训练 SAM 主干，我们的方法在三个遥感基准——LoveDA、iSAID 和 WHU-CD 上取得了显著的性能提升，以最小的计算开销优于零样本 SAM 和特定任务模型。我们的结果突出了基础模型领域自适应增强的价值，并为更鲁棒的地理空间分割提供了一条可扩展的路径。
引用
@article{arxiv.2509.15795,
title = {TASAM: Terrain-and-Aware Segment Anything Model for Temporal-Scale Remote Sensing Segmentation},
author = {Tianyang Wang and Xi Xiao and Gaofei Chen and Hanzhang Chi and Qi Zhang and Guo Cheng and Yingrui Ji},
journal= {arXiv preprint arXiv:2509.15795},
year = {2025}
}