SAM 3遙感零樣本與少樣本能力評估:提示機制與跨模態干擾深度解析
本文針對 Segment Anything Model 3(SAM 3)在地球觀測遙感影像中的泛化能力進行了全面評估。研究指出,儘管 SAM 3 旨在實現開放詞彙的免訓練計算機視覺,但其在處理遙感圖像複雜俯視幾何結構時的表現尚不明確。作者透過嚴格的零樣本和單樣本約束,在場景分類、目標檢測和實例分割等多任務中評估了 SAM 3 的效能。研究提出了一種結構適配方法,將 SAM 3 解耦的二進制存在頭重新用作獨立的零樣本分類器,並透過隔離文本與視覺提示模態,診斷了多模態解碼器中的對齊機制。實驗發現存在嚴重的跨模態干擾:視覺提示能有效對齊複雜幾何結構,而文本提示則引入地面級語義偏差,降低座標回歸精度。此外,研究制定了免訓練的代理評估協議,結果顯示 SAM 3 避免了傳統領域適配模型的過擬合問題,在分割任務中取得高調和均值,但仍受限於亞像素解析度與語義盲點,亟需參數高效的微調方案。