CROSS：用于遥感指代表达分割的级联 蒸馏 和双约束定位

参考遥感图像分割 (RRSIS) 通过 VLM 和分割任意模型 (SAM) 的集成取得了重大进展。然而，这一进展很大程度上依赖于强大的预训练能力，同时还存在两个基本限制没有得到充分解决：（1）架构弱耦合，单向流迫使依赖粗VLM提示并浪费SAM的像素级结构引导，导致定位漂移； (2) 以对象为中心的语义偏差，其中模型过分强调主导对象语义，同时对 RRSIS 至关重要的空间推理不敏感。受这些观察的启发，我们提出了 CROSS，这是 RRSIS 的一个紧密集成的范例。首先，我们引入语言引导级联 蒸馏 (LGCD) 来弥合架构差距，它将 SAM 的几何亲和力作为软正则化器提炼到 VLM 中间层，注入密集的结构先验以细化定位。其次，视角空间对比学习（PSCL）通过挖掘掩模过滤的欺骗性干扰因素和空间语言反事实作为硬否定，施加交叉锚定约束，明确打破语义捷径以强制真正的逻辑一致性。对 RRSIS 基准的大量实验表明，即使在严重的空间描述扰动下，CROSS 也能实现最先进的性能并保持精确的定位，成为 RRSIS 的强大新范例。