论文页面 - 面向地球观测应用的组合图像检索基准测试

来源：https://huggingface.co/papers/2605.24442

摘要

遥感组合图像检索方法在多个视觉-语言骨干网络和一个新的变化中心数据集上进行了评估，证明了它们在地球观测应用中的有效性，同时突出了与传统基于属性的检索相比独特的挑战。

遥感组合图像检索（https://huggingface.co/papers?q=Remote%20sensing%20composed%20image%20retrieval）(RSCIR) 能够利用将参考图像与文本修饰符结合的组合查询，在大型卫星图像档案中进行搜索。尽管 RSCIR 提供了表达目标检索意图的灵活接口，但现代组合方法在地球观测 (EO) 图像上的可迁移性及其与运行中的 EO 工作流程的相关性仍未得到充分探索。我们通过一个统一的基准测试和面向应用的研究来填补这一空白。首先，我们在标准化协议下，系统地调整并评估了六种视觉-语言骨干网络（https://huggingface.co/papers?q=vision-language%20backbones）在 PatternCom（https://huggingface.co/papers?q=PatternCom）上的代表性组合图像检索方法，分析了它们在骨干网络、组合策略和查询类型上的行为。其次，我们引入了 xView2-CIR（https://huggingface.co/papers?q=xView2-CIR），一个面向灾害与损伤监测的变化中心数据集，其中检索以场景身份（https://huggingface.co/papers?q=scene%20identity）和目标事件后状态为条件。我们的结果表明，免训练组合方法为 EO 检索提供了强大且可扩展的基线，而变化中心检索（https://huggingface.co/papers?q=change-centric%20retrieval）与基于属性的检索（https://huggingface.co/papers?q=attribute-based%20retrieval）面临不同的挑战，特别是由于需要保持场景身份（https://huggingface.co/papers?q=scene%20identity）。总体而言，本研究为 RSCIR 建立了一个实用的基准测试，并将组合检索定位为遥感图像检索、档案探索和变化分析的补充工具。数据集和代码可在 https://github.com/billpsomas/rscir 获取。

查看 arXiv 页面（https://arxiv.org/abs/2605.24442）查看 PDF（https://arxiv.org/pdf/2605.24442）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.24442）

在您的代理中获取此论文：

hf papers read 2605\.24442

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

引用此论文的模型0

没有模型链接到该论文

在模型 README.md 中引用 arxiv.org/abs/2605.24442 以从此页面链接。

引用此论文的数据集0

没有数据集链接到该论文

在数据集 README.md 中引用 arxiv.org/abs/2605.24442 以从此页面链接。

引用此论文的 Spaces0

没有 Space 链接到该论文

在 Space README.md 中引用 arxiv.org/abs/2605.24442 以从此页面链接。

包含此论文的收藏0

没有收藏包含此论文

将论文添加到收藏（https://huggingface.co/new-collection）以从此页面链接。