ZODS-RS——面向零训练的遥感检测和分割

遥感和无人机应用需要能够跨平台和观点泛化的模型，而无需针对特定任务的训练。然而，无需训练 管道经常在定向几何、缩放/旋转变化以及拥挤的端口或机场方面出现问题，并且很少统一检测和分段。我们引入 ZODS-RS，一种 无需训练 封闭式管道，可输出水平框 (HBB) 和实例掩码。 ZODS-RS 链基于 DINOv3 密集特征和 SAM 风格提案构建：PP（通过 Tyler 协方差进行原型纯化）、R-SEM（与可分离内核和全局匈牙利分配的旋转尺度等变匹配）和 UAM（具有自适应先验和可选负原型的不确定性感知像素合并）。轻量级 CWLA 融合了多个 DINOv3 层。在 FAIR1M (HBB) 上，我们得到 $\mathrm{mAP}_{0.50:0.95}=\mathbf{13.06}$ 和 $\mathrm{AP}_S=\mathbf{2.93}$ \emph{(船舶/飞机上的类平均)}；在 xView (HBB) 上，我们报告 $\mathrm{mAP}=\mathbf{16.69}$。在我们的无人机数据集上，ZODS-RS 在单个 5090 上实现了掩码 $\mathrm{mIoU}=\mathbf{31.10}$，并将小目标 AP 比 Grounded-SAM 提高了 $\mathbf{+30.70}$。这项工作为水平框检测和航空图像中的实例分割提供了统一的 \emph{no-training} 解决方案；为与 DINOv3 紧密耦合的 PP/R-SEM/UAM 提供明确的封闭式公式；并展示了在小型和拥挤的目标以及跨域转移下的\emph{一致}增益，同时保持部署简单。