Delineate Anything v2：现场描绘的全球基础模型

大规模准确的农田边界划分是粮食安全、供应链透明度和碳核算的一项基础任务。虽然像 SAM 这样的视觉基础模型显示出卓越的零样本能力，但由于拓扑复杂性、农田纹理模式和缺乏物理尺度意识，它们经常在地理空间领域失败。在这项工作中，我们引入了 Delineate Anything v2，这是一种专为广域现场边界测绘而设计的全局可扩展基础模型。我们构建了 FBIS-73M，这是一个涵盖 61 个国家/地区的 7300 万个实例的多分辨率数据集。为了解决多领域行政地块合并的普遍问题，我们引入了一种特定于分辨率的数据管理管道，该管道利用拓扑图像空间适应来同质化合并的地块并加强薄弱的物理边界。此外，我们建立了一个新颖的、手动策划的评估基准，覆盖 100 个国家，以评估独立的零样本泛化。我们的结果表明，Delineate Anything v2 超越了当前最先进的技术，包括 Delineate Anything 框架，提高了 0.284 mAP@0.5（相对增益 +103.3%），同时保持了适合快速国家和全球规模部署的执行速度，正如在消费级工作站上 5.4 小时内绘制乌克兰全国地图（603,000 km^2）所证明的那样。代码、预训练权重、FBIS-73M 数据集和即用型国家规模矢量边界产品可在 https://lavreniuk.github.io/Delineate-Anything/ 上公开获取。