DINO 腾飞：DINOv3 用于遥感图像的开放词汇语义分割

遥感（RS）领域缺乏密集标记的数据集，而获取这些数据集的成本很高。因此，无需监督 微调 即可很好地分割遥感图像的模型是有价值的，但现有的解决方案落后于监督方法。最近，DINOv3 在 GEO-bench 分割基准上超越了 SOTA RS 基础模型，而 RS 数据上没有 预训练。此外，DINO.txt 还启用了具有 DINOv3 主干的开放词汇语义分割 (OVSS)。我们利用这些进展形成了 RS 图像的 OVSS 模型，不受 RS 域 微调 的影响。我们的模型 CAFe-DINO（使用 DINO 进行成本聚合 + 特征上采样）通过成本聚合和文本图像相似度分数的 无需训练 上采样，利用 DINOv3 强大的 OVSS 性能来处理 RS 图像。 DINOv3 主干网的强大潜力消除了 RS 图像上对 微调 的需求；相反，我们在 COCO-Stuff 的 RS 目标子集上微调我们的模型。 CAFe-DINO 在关键 RS 分割数据集上实现了最先进的性能，优于在 RS 数据上微调的 OVSS 方法。我们的代码和数据可在 https://github.com/rfaulk/DINO_Soars 上公开获取。