GeoDistill-Refine: Distillazione Prima la Sagoma per la Segmentazione di Veicoli Spaziali

È stato sviluppato un nuovo approccio in due fasi chiamato GeoDistill-Refine per migliorare la segmentazione dei veicoli spaziali senza la necessità di etichette manuali. Questa tecnica utilizza modelli di segmentazione foundation, in particolare SAM 3, per creare pseudo-maschere che addestrano una rete di segmentazione compatta. Le uscite del modello insegnante vengono stabilizzate combinando sei prompt testuali fissi attraverso un sistema di voto non ponderato al 50%. Inizialmente, la rete studente si concentra sull'apprendimento della sagoma in primo piano, seguita da un raffinamento utilizzando obiettivi basati su campo di distanza firmato, scheletro e area basati sulla pseudo-maschera. Un gate a livello di campione, che considera l'accordo dei prompt, il rapporto di prompt validi e la plausibilità dell'area della pseudo-maschera, mitiga l'influenza della pseudo-geometria inaffidabile. GeoDistill-Refine mostra miglioramenti di 0,0456 in Image IoU e 0,1380 in Boundary F1 sul set di blocco HJM di SpaceSense-Bench rispetto a uno studente pseudo-etichetta di base. La ricerca è disponibile su arXiv con l'identificatore 2608.07405.