OptimFlow:基于修正流与多条件引导的二值地理实体掩膜解耦精化框架
《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:Expert-Instruction and Quality-Assessment Guided Refinement of Binary Geo-Entity Masks Via Latent Rectified Flow
【字体:
大
中
小
】
时间:2026年10月23日
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6.3
编辑推荐:
摘要:从遥感影像中自动提取二值地理实体掩膜是各类地理空间任务的基础。然而,即便先进的分割网络也常常产生受边界不规则、相邻实例合并及结构碎裂等缺陷困扰的输出结果。现有的掩膜优化方法通常存在局限:手工设计的算法在不同场景间的可迁移性较差,而基于学习的方法则通常嵌入于特定架构中,限
摘要:
从遥感影像中自动提取二值地理实体掩膜是各类地理空间任务的基础。然而,即便先进的分割网络也常常产生受边界不规则、相邻实例合并及结构碎裂等缺陷困扰的输出结果。现有的掩膜优化方法通常存在局限:手工设计的算法在不同场景间的可迁移性较差,而基于学习的方法则通常嵌入于特定架构中,限制了其复用性。为弥合这一差距,我们提出了OptimFlow——一种解耦式的精化框架,将掩膜优化重新表述为多条件图像编辑任务。基于潜空间修正流(Rectified Flow)架构,OptimFlow协同利用两种互补条件来引导精化过程:一是类别级别的自然语言专家指令,为优化过程提供全局语义先验;二是一幅全景质量评估图,通过定位正确区域和错误区域提供像素级的空间引导。此外,我们引入了基于置信度的投票策略,以抑制生成模型在低熵二值掩膜上常产生的细粒度噪声。在建筑物、水体和道路数据集上的大量实验表明,OptimFlow在各种分割模型上均能一致性地提升掩膜级别和几何级别的精度。这些结果表明,我们的方法可作为二值掩膜精化的一种灵活的后处理方案。代码已开源:https://github.com/Yangbn97/OptimFlow。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号