论文
WILD-SAM：SAM 的相位感知专家适应，用于包裹 InSAR 干涉图中的滑坡检测
WILD-SAM: Phase-Aware Expert Adaptation of SAM for Landslide Detection in Wrapped InSAR Interferograms
摘要
直接从包裹式干涉合成孔径雷达 (InSAR) 干涉图中检测缓慢移动的滑坡对于有效的地质灾害监测至关重要，但它仍然受到严重的相位模糊和复杂的相干噪声的根本挑战。虽然分段任意模型 (SAM) 为分段提供了强大的基础，但其直接传输到包裹相位数据受到了深刻的谱域偏移的阻碍，谱域偏移抑制了边界描绘所必需的高频条纹。为了弥补这一差距，我们提出了 WILD-SAM，这是一种新颖的参数高效 微调 框架，专门设计用于使 SAM 在包裹干涉图上进行高精度滑坡检测。具体来说，该架构将相位感知专家混合 (PA-MoE) 适配器集成到冻结编码器中以对齐频谱分布，并引入小波引导子带增强 (WGSE) 策略来生成频率感知密集提示。 PA-MoE 适配器利用跨异构卷积专家的动态路由机制来自适应聚合多尺度光谱纹理先验，有效地调整自然图像和干涉相位数据之间的分布差异。同时，WGSE 策略利用离散小波变换来明确地解开高频子带并细化方向相位纹理，将这些结构线索作为密集提示注入，以确保沿尖锐滑坡边界的拓扑完整性。 ISSLIDE 和 ISSLIDE+ 基准测试的大量实验表明，WILD-SAM 实现了最先进的性能，在目标完整性和轮廓保真度方面均显着优于现有方法。