RSGPNet：基于几何提示的遥感开放词汇语义分割方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：RSGPNet: Geometric Prompting for Remote Sensing Open-Vocabulary Semantic Segmentation

　　```

摘要：

开放词汇语义分割（OVSS）允许在文本的引导下对未见过的对象进行分割，打破了固定类别的限制，从而实现了对开放世界的理解。然而，现有的OVSS方法主要集中在修改CLIP注意力机制上，这种方法在遥感（RS）领域仍然存在局部分割不稳定的问题。为了解决这些限制，我们提出了RSGPNet，这是一个无需训练的几何提示框架，用于遥感OVSS，它通过利用对象的几何特征和一致性约束来改进分割效果。具体来说，RSGPNet包括三个核心模块：文本引导的粗略掩码模块（TCM）、几何重提示模块（GRP）以及粗略到精细的一致性验证机制（CVM）。TCM利用文本提示和输入图像生成初始的粗略分割掩码；GRP将这些粗略掩码转换为几何框提示，并将其反馈到分割模型中以生成更精细的掩码；最后，CVM通过一致性计算来防止错误区域的被进一步强化。这些机制使得模型能够在复杂区域（如类别边界）中提高分割精度。在遥感数据集上的广泛实验表明，RSGPNet在定量和定性指标上都显著优于现有方法，并且具有出色的可解释性。代码发布在：https://github.com/wangshanwen001/RSGPNet。

```