.png){kind=icon}
返回
RingMamba: Remote Sensing Multisensor Pretraining With Visual State Space Model
.png){kind=icon}
PRE
AI
DOI：10.1109/TGRS.2025.3603998.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
以往关于遥感基础模型的研究已经证明了卷积神经网络（CNNs）和视觉转换器（ViTs）的表示能力。然而，这些模型要么专注于单传感器数据，从而忽略了跨传感器的互补信息，要么在追求全局感受野的同时增加了计算复杂度。在本文中，我们介绍了RingMamba，一种新型多传感器遥感（RS）基础模型，该模型在性能和效率方面均表现出色。为实现在多传感器数据上的统一表示学习，我们提出了一种基于纹理特征约束的多传感器自监督预训练框架，该框架整合了生成式和对比学习策略，能够实现大规模多传感器数据的无监督训练。考虑到实例的多角度和多尺寸分布，我们还提出了一种非对称扫描与扫描耦合（ASSC）模块，以实现多方向扫描与识别。我们使用九个公开数据集验证了该模型在多模态语义分割、场景分类、目标检测和变化检测任务上的性能。实验结果表明，该模型在这些任务上均取得了领先性能。此外，我们还评估了该模型在不同输入尺寸下分类任务的计算消耗。结果表明，我们的模型在保持领先性能的同时，具有更高的吞吐量和更低的FLOPs，尤其是在高分辨率输入下，使其更适合遥感领域。
Keyword:
Foundation model
Mamba
multisensor
remote sensing (RS)
self-supervised learning
期刊
IF:
8.6
论文数:
2.1W
被引数:
10.7W
机构
引用论文
.png){kind=icon}
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
OAAI
OAAI分享收藏
查看更多内容