跳转至

🛰️ 遥感

🧠 NeurIPS2026 · 10 篇论文解读

📌 同领域跨会议浏览: 🎞️ ECCV2026 (41) · 📷 CVPR2026 (63) · 🔬 ICLR2026 (11) · 🧪 ICML2026 (3) · 🤖 AAAI2026 (7) · 🧠 NeurIPS2025 (12)

🔥 高频主题: 遥感 ×5 · 多模态 ×3 · 导航 ×2

CoDeRNet: Selective Cross-Task Routing under Heterogeneous Supervision for Change Detection and Captioning

针对遥感双时相变化检测与变化描述任务中稠密像素级与弱句级异质监督所导致的表示不对称问题,本文提出 CoDeRNet,通过解耦接收端支持需求与发送端可靠性线索实现条件双向选择性路由,在保持极具竞争力变化定位精度的同时显著提升语义描述生成质量。

GeoCore-9B: Towards Geo-Aware Generative Foundation Models in Earth Observation

首个完全从零在地球观测数据上训练的 90 亿参数流匹配 Diffusion Transformer 生成基座模型,通过注入连续地理空间元数据并引入遥感冻结教师网络的结构表征对齐损失,在文本生成遥感图、极端去云和 SAR 转光学等下游任务中取得显著突破。

How Much of a Model Do We Need? Redundancy and Slimmability in Remote Sensing Foundation Models

系统验证了遥感基础模型(RS FM)在极小计算预算下的事后可瘦身性(Post-hoc Slimmability),揭示出遥感模型在大幅削减 Transformer 宽度至 1% 计算量时仍能保留 80% 以上相对精度的表征冗余本质。

LESSViT: Robust Hyperspectral Representation Learning under Spectral Configuration Shift

LESSViT 针对跨传感器高光谱波段配置漂移难题,提出基于结构化低秩分解的 LESS Attention,将空谱联合注意力复杂度从 \(\mathcal{O}(N^2 C^2)\) 降低至 \(\mathcal{O}(r N C)\),结合通道无关 Tokenization 与物理波长 RoPE,在维持同分布表现的同时大幅提升跨谱迁移鲁棒性。

LithoBench: Benchmarking Large Multimodal Models for Remote-Sensing Lithology Interpretation

针对遥感岩性解译对地质专业认知与证据推理的高门槛需求,提出包含 10,000 个多层次实例的评测基准 LithoBench,揭示主流视觉语言模型在深层地质成因解释与综合推理任务上存在显著短板。

Manifold Prior Guided Deep Unfolding for Hyperspectral Image Reconstruction

针对传统深度展开网络中投影步场景无感知光谱缩放与去噪器高复杂度或局部感受野局限,本文提出两阶段扩散流形先验引导的深度展开框架,将无退化低维流形表征同时注入光谱自适应加权投影与线性复杂度 Mamba 去噪器,在 CASSI 与滤光片型快照压缩成像系统上均刷新 SOTA。

PolyTopoBench: A Benchmark for Complex Vector Polygon Generation from Remote Sensing Imagery

PolyTopoBench 用两套航空影像、四类地物和 11 个公开基线,把多边形评测拆为区域、环边界和完整环结构,揭示即使复杂实例的 IoU 达到 0.9,其拓扑错误率仍为 84%–100%。

RSRCC: A Remote Sensing Regional Change Comprehension Benchmark Constructed via Retrieval-Augmented Best-of-N Ranking

RSRCC 提出了首个面向局部细粒度语义推理的遥感变化问答(Change QA)评测基准,包含 126k 个实例级问答对,并设计了一套融合连通域候选提取、遥感图文编码初筛与大语言模型检索增强 Best-of-N 排名的半监督数据清洗验证流水线。

SatNav: A Scalable Benchmark for Long-Horizon UAV Vision-Language Navigation from Satellite Imagery

SatNav 用卫星影像和 OpenStreetMap 自动构造 118,494 个长时程导航 episode,并以 SwiftVLN 隔离比较记忆设计:只保留短期记忆会使两个测试集的成功率均下降 21.3 个百分点,而真实飞行迁移仍只得到 18 个 episode 的初步验证。

WorldVLN: Autoregressive World Action Model for Aerial Vision-Language Navigation

针对无人机空中视觉语言导航中视角变化剧烈、累积误差大以及传统 VLA 缺乏动态物理因果建模的难题,WorldVLN 首创潜空间自回归世界动作模型,结合两阶段训练与 Action-aware GRPO,实现闭环航路点动作预测并在真实无人机上实现零样本部署。