摘要
遥感语义分割与指代分割共享掩码几何结构，但区别在于输出是由类别词汇还是自然语言描述来选择的。UniRS-Seg 通过共享的稀疏–稠密查询编译器和层次化掩码解码器来桥接这些接口，并在独立标注的数据集上联合训练。类别名称和指代表达式从 SigLIP 2 投影到同一解码器空间；稠密图像–查询激活提供空间支撑，而稀疏查询令牌指定所需的区域。经过适配的 SAM ViT-B 路径和并行卷积特征恢复局部几何结构，可学习的软掩码交叉注意力优化了两个任务，类别平衡的掩码引导自注意力则支持语义解析。UniRS-Seg 在 LoveDA、Vaihingen 和 Potsdam 上分别达到 57.30%、85.31% 和 88.24% 的 mIoU，在 RefSegRS 和 RRSIS-D 上分别达到 78.18% 和 70.88% 的 gIoU。这些得分分别超过所列最强基线平均值 0.68、0.99、1.18、0.79 和 1.71 个百分点。与单独训练的纯语义和纯指代版本的共享架构相比，联合训练使四个评估数据集的性能分别提升了 0.45、0.89、1.40 和 0.97 分。额外的监督式 RISBench 评估达到了 72.91% 的 gIoU 和 74.85% 的 cIoU，在所列方法中拥有最高的 gIoU。在 RefSegRS 上，将可学习的掩码交叉注意力添加到组合的稀疏与稠密提示中，使 gIoU 提高了 0.86 分。结果表明，通过共享的查询条件解码器可实现监督式双任务迁移；该比较使用了已发布的基线结果，并未证明对未见领域或零样本的泛化能力。
