（CVPR 2025 ）布局可控的扩散模型遥感图像目标检测，涨点起飞

主要观点总结

该论文介绍了一种名为AeroGen的布局可控扩散生成模型，用于增强遥感目标检测。该模型能够生成满足特定布局与类别要求的遥感图像，通过融合傅里叶编码的旋转/水平框信息与CLIP语义向量，实现了精准布局控制。论文提出了一个包含布局条件扩散模型和数据生成管线的整体架构。其中，布局条件扩散模型基于LDM改造，支持水平与旋转框的统一坐标表示。数据生成管线包括标签生成、标签筛选、图像生成、图像筛选和数据增强等阶段。实验结果表明，AeroGen在多个遥感目标检测数据集上显著提升了下游检测性能，特别是在稀有类别上表现出更大提升。此外，论文还提供了可视化结果和消融实验结果，以证明该模型的有效性和优越性。

关键观点总结

关键观点1: 论文的主要目标是解决遥感目标检测中的数据增强问题。

论文提出了一种名为AeroGen的布局可控扩散生成模型，该模型具有生成满足特定布局与类别要求的遥感图像的能力。

关键观点2: 论文提出的AeroGen模型包含布局条件扩散模型和数据生成管线两部分。

布局条件扩散模型基于LDM改造，支持水平与旋转框的统一坐标表示，通过融合傅里叶编码+CLIP文本编码获取布局向量，并引入Dual Cross Attention（DCA）和Layout Mask Attention（LMA）机制实现布局与语义引导。

关键观点3: 数据生成管线包括标签生成、标签筛选、图像生成、图像筛选和数据增强等阶段。

通过条件扩散模型生成布局标签，结合高斯分布筛选、CLIP/ResNet一致性判别等手段，实现高质量合成图像，最终用于提升遥感目标检测模型性能。

关键观点4: 论文提供了丰富的实验结果来证明AeroGen的有效性。

实验结果表明，AeroGen在多个遥感目标检测数据集上显著提升了下游检测性能，特别是在稀有类别上表现出更大提升。此外，论文还提供了可视化结果和消融实验结果，以证明该模型的优越性和各模块的作用。

免责声明