UniGeoSeg：面向地理空间场景的统一开放世界分割
计算机视觉与模式识别
2026-05-12 v3
摘要
远程感知中的指令驱动分割从指导中生成掩码，具有可访问且具有广泛应用潜力。然而，现有方法受任务公式碎片化和指令数据有限的限制，阻碍有效理解和泛化。为此，我们引入 GeoSeg-1M，第一个规模为百万级的远程感知指令驱动分割数据集，通过自动掩模过滤和指令生成管道构建，该管道从多个公共数据集综合生成指代、交互和推理分割指令。GeoSeg-1M 包含 59 万张图像、117 个类别和 110 万张图像-掩模-指令三元组。基于此基础，我们进一步构建 GeoSeg-Bench，旨在评估跨多种指令驱动任务和复杂地理空间场景中情境理解和推理能力的挑战性基准。此外，我们提出 UniGeoSeg，一个统一框架作为强大的基线，集成任务感知文本增强、潜在知识记忆和渐进训练策略以促进多任务学习。广泛实验表明，UniGeoSeg 在 GeoSeg-Bench 和多样化公共基准上实现了领先的性能，同时展现出强大的零样例泛化能力。数据集和源代码已发布于 https://github.com/MiliLab/UniGeoSeg。
引用
@article{arxiv.2511.23332,
title = {UniGeoSeg: Towards Unified Open-World Segmentation for Geospatial Scenes},
author = {Shuo Ni and Di Wang and He Chen and Haonan Guo and Ning Zhang and Jing Zhang},
journal= {arXiv preprint arXiv:2511.23332},
year = {2026}
}
备注
Datasets and source code were released at https://github.com/MiliLab/UniGeoSeg ; Accepted by CVPR 2026