论文页面 - TerraDiT-Ω：基于任意地理空间基元的卫星图像合成统一空间控制

来源：https://huggingface.co/papers/2606.31029

摘要

TerraDiT-Ω 利用几何感知局部注意力机制，从原生地理空间基元生成卫星图像，实现了灵活的条件控制，并改进了下游地理空间任务。

生成模型（https://huggingface.co/papers?q=Generative%20models）已取得显著进展，但其在卫星图像（https://huggingface.co/papers?q=satellite%20imagery）上的应用仍具挑战性。与自然图像不同，卫星场景由空间复杂且语义各异的几何结构组成。此前的工作通过采用密集栅格或稀疏提示来适配自然图像框架，以应对这种复杂性，但这种方式在权衡标注成本与保真度的同时，打破了与地理信息表示中常用的向量基元的兼容性。我们提出了 TerraDiT-Ω，这是一个统一的空间控制框架，可直接从任意原生地理空间基元生成卫星图像（https://huggingface.co/papers?q=satellite%20imagery）。通过联合利用精确标注（多边形、折线）和粗略标注（边界框、点），该模型在不同标注预算下支持可控布局（https://huggingface.co/papers?q=controllable%20layouts），从而拓展了在城市规划等设计任务中的适用性，同时天然兼容端到端的GeoAI工作流。为在生成过程中有效利用这些基元，我们提出了几何感知局部注意力（https://huggingface.co/papers?q=Geometry-Aware%20Local%20Attention）机制，这是一种将显式几何线索注入注意力空间的条件控制机制。在所有条件格式下，我们的方法均持续优于密集控制和稀疏控制基线。此外，这种灵活性使得仅用单一生成模型即可实现可控的合成数据增强，从而提升下游任务性能，包括土地覆盖分割（https://huggingface.co/papers?q=land-cover%20segmentation）、目标检测（https://huggingface.co/papers?q=object%20detection）、道路图提取（https://huggingface.co/papers?q=road%20graph%20extraction）和场景分类（https://huggingface.co/papers?q=scene%20classification）。代码、数据和权重可在 https://github.com/mvrl/TerraDiT 获取。

查看 arXiv 页面 (https://arxiv.org/abs/2606.31029)查看 PDF (https://arxiv.org/pdf/2606.31029)项目页面 (https://brian-j-wei.github.io/terradit-omega)GitHub1 (https://github.com/mvrl/TerraDiT)添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2606.31029)

在您的智能体中获取本文：

hf papers read 2606.31029

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

暂无关联本文的模型

在模型的README.md中引用arxiv.org/abs/2606.31029，即可从本页链接到该模型。

引用本文的数据集0

暂无关联本文的数据集

在数据集的README.md中引用arxiv.org/abs/2606.31029，即可从本页链接到该数据集。

引用本文的Space0

暂无关联本文的Space

在Space的README.md中引用arxiv.org/abs/2606.31029，即可从本页链接到该Space。

包含本文的收藏集0

暂无包含本文的收藏集

将本文添加到收藏集 (https://huggingface.co/new-collection)，即可从本页链接到该收藏集。