GeoSAM-Lite：机载遥感分割的轻量级基础模型

在资源有限的地球观测平台上部署诸如分段任意模型 (SAM) 之类的大规模基础模型，受到高昂的计算成本以及自然图像与遥感图像之间的域转移的阻碍。为了应对这些挑战，我们提出 \textit{Geo}spatial \textit{S}egment \textit{A}nything \textit{M}odel-Lite (GeoSAM-Lite)，这是一种轻量级、无提示的分割框架，专为高效的机载遥感分割而设计。 GeoSAM-Lite 包含两项核心创新：(1) 地理空间域初始化 (Geo-Init)，这是一种域感知 预训练 策略，可从专业教师那里提取地理空间先验知识，以弥合域差距； （2）特征融合层（FFL），重新校准空间特征并恢复高频边界线索，以克服轻量级骨干网的容量瓶颈。跨代表性数据集的实验（主要关注云场景以评估极端规模变化和复杂边界下的性能）表明，与重量级 RSAM-Seg 相比，GeoSAM-Lite 实现了有竞争力的精度，同时将参数减少了 92.8%。通过在效率和保真度之间建立卓越的帕累托边界，GeoSAM-Lite 为边缘设备上的实时分割提供了实用的解决方案。