学习遥感大模型（2)---SAM的两种用法(2)

TEXT2SEG: REMOTE SENSING IMAGE SEMANTIC SEGMENTATION VIA TEXT-GUIDED VISUAL FOUNDATION MODELS

机构：University of Georgia Athens, Georgia；University of Virginia Charlottesville, Virginia

代码：https://github.com/Douglas2Code/Text2Seg

TEXT2SEG使用用现有的、通用的、比较好的视觉基础模型，生成SAM中的prompt，再来指导SAM更好理解图像语义特征。

用到了Groounding DINO和CLIP Surgery

Grounding DINO将 DINO 与开放集目标检测结合起来，Grounding DINO可以根据文字描述检测指定目标。

CLIP Surgery是一种专门针对CLIP模型的解释方法。通过使用文本提示，CLIP Surgery 可以生成准确突出显示相应区域的解释图。这些解释图作为弱分割结果。