“桥接模式与任务：一种用于SAR到光学图像转换及语义分割的统一分层ViT模型”

研究人员提出一种名为 BMT（Bridging Modalities and Tasks）的统一分层视觉 Transformer（ViT）框架，旨在同时解决合成孔径雷达（SAR）图像到光学图像的翻译及语义分割任务。该框架通过共享层级视觉 Transformer 联合优化上述两项任务，集成了局部 ViT 块、增强输出模块、控制网式条件注入机制以及有界肯德尔不确定性加权方案。实验评估在 WHU-OPT-SAR 配对数据集以及基于 HRSID 和 DIOR 构建的无对偶船只数据集上进行，结果显示该方法在图像翻译质量与分割性能方面表现具有竞争力。目前，相关数据集与源代码已公开。