基于卫星图像时间序列与时间感知Segment Anything Model的稀疏标注湿地制图
计算机视觉与模式识别
2026-01-19 v1 人工智能
摘要
准确的湿地制图对生态系统监测至关重要，然而密集的像素级标注成本过高，实际应用通常依赖稀疏的点标签，在此情况下现有的深度学习模型表现不佳；同时，强烈的季节性和年际湿地动态变化进一步使单日影像显得不足，并导致显著的制图误差。尽管SAM等基础模型在点提示下展现出良好的泛化能力，但其本质上是为静态图像设计的，无法对时间信息进行建模，从而在异质性湿地中产生破碎的掩膜。为了克服这些局限性，我们提出了WetSAM，一个基于SAM的框架，通过双分支设计集成卫星图像时间序列，以在稀疏点监督下进行湿地制图。其中，时间提示分支通过分层适配器和动态时间聚合扩展了SAM，以将湿地特征与物候变异性解耦；空间分支采用时间约束的区域生长策略生成可靠的密集伪标签；同时，双向一致性正则化联合优化两个分支。在八个面积各约5,000 km2的全球区域进行的广泛实验表明，WetSAM大幅优于现有方法，实现了85.58%的平均F1分数，并以最少的标注工作量提供了准确且结构一致的湿地分割，突显了其强大的泛化能力以及在可扩展、低成本、高分辨率湿地制图方面的潜力。
引用
@article{arxiv.2601.11400,
title = {Wetland mapping from sparse annotations with satellite image time series and temporal-aware segment anything model},
author = {Shuai Yuan and Tianwu Lin and Shuang Chen and Yu Xia and Peng Qin and Xiangyu Liu and Xiaoqing Xu and Nan Xu and Hongsheng Zhang and Jie Wang and Peng Gong},
journal= {arXiv preprint arXiv:2601.11400},
year = {2026}
}