2024年2月29日 · 本文提出了rsam-seg，即遥感sam语义分割，作为sam在遥感领域的定制修改，并消除了提供提示的手动干预需求。 在SAM的编码器部分的 多头注意力块 中提出了一组补充的缩放模块，称为 Adapter-Scale 。

2025年2月8日 · While the Segment Anything Model (SAM) has emerged as a promising universal segmentation model, its direct application to remote sensing imagery yields suboptimal results. To address these limitations, we propose RSAM-Seg, a novel deep learning model adapted from SAM specifically designed for remote sensing applications.

2024年2月29日 · While the direct application of SAM to remote sensing image segmentation tasks does not yield satisfactory results, we propose RSAM-Seg, which stands for Remote Sensing SAM with Semantic Segmentation, as a tailored modification of SAM for the remote sensing field and eliminates the need for manual intervention to provide prompts.

该方法利用SAM的掩码图像预训练（SAMI），通过MAE预训练方法和SAM模型实现，以获得高质量的预训练ViT编码器。 这种方法降低了SAM的复杂性，同时能够保持良好的性能。 具体来说，SAMI利用SAM编码器ViT-H生成特征嵌入，并用轻量级编码器训练掩码图像模型，从而从SAM的ViT-H而不是图像补丁重建特征。 论文链接：EfficientSAM. 代码链接：EfficientSAM Code. 3. Text2Seg：基于多个大模型的遥感图像分割pipline. Text2Seg是一个利用多个基础模型 …

2024年3月4日 · 本文介绍了一种新型的深度学习架构RSAM-Seg，通过在编码器中添加Adapter-Scale和Adapter-Feature，自动生成图像信息提示，无需人工干预。 该方法通过ViT块的修改和高频特征提取，提升了遥感任务的性能。

2024年2月29日 · While the direct application of SAM to remote sensing image segmentation tasks does not yield satisfactory results, we propose RSAM-Seg, which stands for Remote Sensing SAM with Semantic Segmentation, as a tailored modification of SAM for the remote sensing field and eliminates the need for manual intervention to provide prompts.

2020年9月15日 · In this study, we developed a Recurrent Shadow Attention Model (RSAM), capitalizing on state-of-the-art deep learning architectures, to retrieve fine-scale land-cover classes within cast and self shadows along the urban-rural gradient.

虽然直接将 sam 应用于遥感图像分割任务并不能产生令人满意的结果，但我们提出了 rsam-seg（即带语义分割的遥感 sam），作为针对遥感领域的 sam 的定制修改，并且消除了对 sam 的需求。

We introduce RS-SAM, a novel SAM-based RSS framework, by transferring a pre-trained SAM on natural images to the domain of remote sensing with LoRA adapter. We propose a Multi-scale Neck to solve the naïve columnar ViT structure of SAM for capturing objects with multiple sizes and provide guidance for further refined predictions.

2025年3月7日 · 科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。 如需下载文献全文，请通过文献求助获取。