Aligner le modèle SAM aux données de télédétection

Le modèle Segment Anything (SAM) a démontré des capacités exceptionnelles pour la segmentation d'objets dans divers contextes. Dans ce travail, nous nous concentrons sur le domaine de la télédétection et examinons si la performance de SAM peut être améliorée pour les images aériennes et les données géospatiales. Notre évaluation indique que l'application directe du modèle SAM préentraîné aux images aériennes ne donne pas de résultats satisfaisants en raison de l'écart de domaine entre les images naturelles et aériennes. Pour combler cet écart, nous utilisons trois stratégies de réglage fin efficaces en paramètres et évaluons les performances de SAM sur un ensemble de benchmarks divers. Nos résultats montrent que, bien qu'un modèle SAM standard manque de l'aptitude intrinsèque à générer des masques précis pour les objets plus petits souvent trouvés dans les images aériennes, le réglage fin améliore considérablement les performances et produit des résultats comparables aux techniques de pointe actuelles.