Samba: Semantic Segmentation of Remotely Sensed Images with State Space Model

高分辨率遥感图像对于常用的语义分割方法，如卷积神经网络（CNN）和视觉Transformer（ViT）构成了挑战。由于其有限的感受野，基于CNN的方法难以处理这样的高分辨率图像，而ViT在处理长序列时也面临着挑战。受Mamba的启发，Mamba采用状态空间模型（SSM）来有效地捕捉全局语义信息，我们提出了一种用于高分辨率遥感图像的语义分割框架，称为Samba。Samba采用编码器-解码器架构，其中Samba块作为编码器，用于高效的多级语义信息提取，而UperNet则作为解码器。我们在LoveDA、ISPRS Vaihingen和ISPRS Potsdam数据集上评估了Samba，将其性能与表现最佳的CNN和ViT方法进行了比较。结果表明，Samba在常用的遥感数据集上实现了无与伦比的语义分割性能。我们提出的Samba首次展示了SSM在遥感图像语义分割中的有效性，在该特定应用中为基于Mamba技术的技术设定了一个新的性能基准。源代码和基准实现可在https://github.com/zhuqinfeng1999/Samba上获得。

本论文旨在解决高分辨率遥感图像语义分割中CNN和ViT等方法的局限性，并提出了一种新的语义分割框架Samba。

Samba框架采用编码器-解码器结构，其中Samba块作为编码器，用于高效的多级语义信息提取，UperNet作为解码器。同时，该框架引入了状态空间模型（SSM）来捕捉全局语义信息。

Samba在LoveDA、ISPRS Vaihingen和ISPRS Potsdam数据集上进行了评估，并与CNN和ViT等方法进行了比较。结果表明，Samba在遥感图像语义分割方面具有优异的性能，并且SSM的引入使其在该领域中具有新的突破。论文提供了源代码和基准实现。

在该领域中，最近的相关研究包括Mamba和其他基于CNN和ViT的方法。