.png){kind=icon}
返回
StructDiff: A Training-Free Framework for Precise Structural Control in Remote Sensing Image Synthesis
.png){kind=icon}
PRE
AI
DOI：10.1109/tmm.2026.3742634.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
扩散模型推动了遥感（RS）图像合成的发展，但保持严格的地理空间完整性仍然困难。现有方法面临实际权衡：基于训练的方法具有条件特定性，需要昂贵的重新训练，而常规的无训练方法通常难以平衡结构保持与提示驱动的外观控制。在本文中，我们提出了StructDiff，一种用于遥感图像合成中精确结构控制的无需任务特定重新训练的无训练框架。其核心组件固定时间步结构条件器（FTSC）从一个固定扩散时间步中提取几何先验，并将其用作生成过程中的稳定结构约束。StructDiff还配备了多模态提示调制器（MPM），该调制器由冻结的现成视觉-语言模型实现，以及重启细化策略（RRS）用于后期抑制伪影。在DIOR和DOTA上的实验，以及在低数据条件下的下游目标检测研究，表明StructDiff在地理空间精度、语义对齐和感知质量之间提供了无训练可控基线的强平衡，支持其在受控增强工作流程中的使用，例如遥感中的即时数据增强和快速虚拟原型设计。代码可在以下网址公开获取：https://github.com/bxuanz/StructDiff。
Keyword:
Remote Sensing
Diffusion Models
Structural Control
Training-Free
Image Synthesis
期刊
IF:
9.7
论文数:
4.7K
被引数:
2.4W
机构
引用论文
暂无论文信息