（TGRS 2025 ）CromSS：跨模态样本选择+噪声标签预处理，图像分割新SOTA ，涨点起飞

主要观点总结

论文介绍了一种针对高光谱图像的自动光谱校准方法，包括模型、数据集和基准测试。论文提出了CromSS方法，一种用于遥感图像语义分割任务的弱监督多模态预训练策略。该方法利用SAR（S1）和光学（S2）数据的跨模态一致性增强表示学习，并引入两种置信度来优化样本选择机制。论文创建了大规模多模态嘈杂标签预训练数据集NoLDO-S12，并验证了模型的性能。模型采用U形编码器-解码器架构，通过光谱注意力和光照注意力机制实现对高光谱图像中光照因素的显式校正。论文还介绍了模型的各种架构和实验结果的消融实验。

关键观点总结

关键观点1: 论文的主要贡献

提出了CromSS方法，一种用于遥感图像语义分割的弱监督多模态预训练策略；创建了大规模多模态嘈杂标签预训练数据集NoLDO-S12；验证了模型的性能并通过实验展示了其有效性。

关键观点2: 模型的架构和特点

模型采用U形编码器-解码器架构，结合光谱注意力和光照注意力机制，实现对高光谱图像中光照因素的显式校正。模型包括两个独立编码器-解码器网络，分别处理S1和S2数据。一致性损失函数用于保持两个模态预测输出的一致性。

关键观点3: 论文的实验结果

通过消融实验验证了模型的有效性，对比了四种预训练策略在三个下游任务上的表现。可视化结果展示了模型在SSL4EO-S12@DW数据集上的分割效果，显示了CromSS方法能够捕捉更多细节，但可能带来噪点现象。

免责声明