生成式人工智能与合成孔径雷达的结合：一项综述

《IEEE Geoscience and Remote Sensing Magazine》：Generative Artificial Intelligence Meets Synthetic Aperture Radar: A survey

SAR图像因电磁特性带来解读难题，数据质量与数量是主要障碍。生成式AI（GenAI）在文本、图像、视频等多模态生成中展现潜力，本文系统探讨GenAI与SAR的交叉领域：对比SAR应用与计算机视觉任务异同，综述最新GenAI模型及其对SAR通用挑战的应对，提出物理模型仿真与GenAI混合建模方法，分析现有及潜在评估方法，并讨论未来挑战与前景。

　　

摘要：

SAR图像具有独特的属性，由于其电磁特性，这对人类观察者和视觉AI模型来说都构成了解释上的挑战。SAR图像的解释面临诸多障碍，其中一个主要问题是数据本身，包括数据量和质量方面的问题。这些挑战可以通过生成式AI技术来解决。生成式AI（通常称为GenAI）是人工智能领域中一种非常先进且强大的技术，已经引起了广泛关注。它的进步为文本、照片级逼真图像、视频以及各种形式材料的创建提供了可能性。本文旨在全面探讨GenAI与SAR的交叉应用。首先，我们展示了SAR领域中常见的基于数据生成的应用，并将其与计算机视觉任务进行比较，分析了它们之间的相似性、差异及普遍面临的挑战。接着，系统地回顾了最新的GenAI模型，包括各种基础模型及其针对这些挑战的变体，并介绍了这些模型在SAR领域的应用。具体而言，我们提出了基于物理模型的SAR仿真方法，并分析了结合GenAI与可解释模型的混合建模方法。同时，我们也探讨了已经或可以应用于SAR的评估方法。最后，讨论了潜在的挑战和未来的发展前景。据我们所知，这项调查是首次对SAR与GenAI这一跨学科领域进行全面的探讨，涵盖了深度神经网络、物理模型、计算机视觉以及SAR图像等多个主题。