PC-SAM：高分辨率遥感图像中的面片约束细粒度交互式道路分割

从遥感图像获得的道路掩模有效地支持了广泛的下游任务。近年来，大多数研究都集中在提高该任务的全自动分割模型的性能上，并取得了显着的成果。然而，当前的全自动方法仍然不足以识别某些具有挑战性的路段，并且经常产生误报和漏报区域。此外，全自动分割不支持感兴趣区域的局部分割或现有掩模的细化。尽管SAM模型作为交互式分割模型被广泛应用，并且在自然图像上表现良好，但在遥感道路分割中表现不佳，并且无法支持细粒度的局部细化。为了解决这些限制，我们提出了 PC-SAM，它将全自动道路分割和交互式分割集成在一个统一的框架内。通过精心设计微调策略，将点提示的影响限制在其相应的补丁上，克服了原始SAM无法进行精细局部校正的问题，并实现了细粒度的交互式掩模细化。对几个代表性遥感道路分割数据集的大量实验表明，当与点提示相结合时，PC-SAM 在道路掩模分割方面显着优于最先进的全自动模型，同时还提供灵活的局部掩模细化和局部道路分割。该代码可在 https://github.com/Cyber​​-CCOrange/PC-SAM 上获取。