在大數(shù)據(jù)與大模型技術(shù)的雙重推動下，遙感圖像解譯領(lǐng)域正經(jīng)歷一場范式變革。從早期依賴模型結(jié)構(gòu)設(shè)計的傳統(tǒng)路徑，逐漸轉(zhuǎn)向"基礎(chǔ)模型+微調(diào)"的創(chuàng)新模式，這種轉(zhuǎn)變在土地調(diào)查、農(nóng)業(yè)監(jiān)測、海洋導(dǎo)航等關(guān)鍵應(yīng)用中展現(xiàn)出顯著優(yōu)勢。面對小樣本數(shù)據(jù)、長尾目標(biāo)識別以及算力受限等現(xiàn)實(shí)挑戰(zhàn)，微調(diào)技術(shù)憑借其低成本、高效率的特性，成為突破技術(shù)瓶頸的核心手段。
技術(shù)演進(jìn)呈現(xiàn)清晰的脈絡(luò)：早期全參數(shù)微調(diào)通過解凍大部分模型參數(shù)實(shí)現(xiàn)跨任務(wù)遷移，但存在計算成本高昂的缺陷；隨后發(fā)展的參數(shù)高效微調(diào)（PEFT）技術(shù)，通過適配器、提示學(xué)習(xí)、重參數(shù)化等方法，在保持預(yù)訓(xùn)練模型主體參數(shù)凍結(jié)的前提下，僅對少量新增模塊進(jìn)行訓(xùn)練。當(dāng)前領(lǐng)域正邁向混合微調(diào)階段，通過統(tǒng)一框架整合多種PEFT技術(shù)，實(shí)現(xiàn)多模態(tài)數(shù)據(jù)與多任務(wù)場景的協(xié)同適配。
清華大學(xué)胡事民院士團(tuán)隊(duì)聯(lián)合多所高校及科研機(jī)構(gòu)，在CVMJ期刊（影響因子18.3）發(fā)表的綜述論文，系統(tǒng)梳理了遙感微調(diào)技術(shù)的發(fā)展軌跡。研究團(tuán)隊(duì)將現(xiàn)有技術(shù)體系劃分為六大范式：適配器微調(diào)通過插入輕量級模塊實(shí)現(xiàn)任務(wù)適配；提示微調(diào)利用可學(xué)習(xí)向量引導(dǎo)模型輸出；重參數(shù)化方法（如LoRA）通過低秩分解優(yōu)化權(quán)重更新；混合微調(diào)整合多種技術(shù)優(yōu)勢；部分微調(diào)選擇性地解凍模型局部參數(shù)；改進(jìn)型微調(diào)則通過優(yōu)化訓(xùn)練策略提升性能。
在應(yīng)用實(shí)踐層面，多項(xiàng)代表性研究展現(xiàn)了技術(shù)創(chuàng)新的深度。AiRs團(tuán)隊(duì)開發(fā)的SCA空間上下文適配器與SRA語義響應(yīng)適配器，有效提升了遙感圖像的空間信息處理能力；RSPrompter提出的鏈?zhǔn)剿季S提示方法，通過多步推理設(shè)計解決了復(fù)雜場景下的目標(biāo)識別難題；LoRA-NIR技術(shù)針對近紅外波段進(jìn)行專項(xiàng)優(yōu)化，而MSF-SAM模型則通過融合適配器與LoRA技術(shù)，實(shí)現(xiàn)了道路、水體等地物的高精度分割。這些創(chuàng)新成果驗(yàn)證了微調(diào)技術(shù)與遙感任務(wù)特性深度融合的可行性。
研究團(tuán)隊(duì)系統(tǒng)整理了光學(xué)、SAR、高光譜等多元傳感器數(shù)據(jù)集，覆蓋去霧處理、變化檢測、語義分割等典型任務(wù)，為技術(shù)驗(yàn)證提供了豐富的數(shù)據(jù)支撐。針對當(dāng)前技術(shù)發(fā)展的瓶頸，綜述提出了九個重點(diǎn)研究方向：包括面向小樣本場景的高效微調(diào)方法、超分辨率等新興任務(wù)的應(yīng)用拓展、遙感專用基礎(chǔ)模型的性能優(yōu)化、結(jié)合多尺度特征的定制化微調(diào)策略，以及混合微調(diào)框架的理論研究等。
在技術(shù)實(shí)現(xiàn)層面，研究揭示了參數(shù)高效微調(diào)的關(guān)鍵突破點(diǎn)。重參數(shù)化技術(shù)通過將權(quán)重更新量分解為低秩矩陣乘積，使可訓(xùn)練參數(shù)數(shù)量減少90%以上；提示微調(diào)技術(shù)僅需優(yōu)化0.1%的模型參數(shù)即可實(shí)現(xiàn)任務(wù)適配；混合微調(diào)框架通過動態(tài)組合不同技術(shù)模塊，在保持計算效率的同時提升了模型泛化能力。這些技術(shù)特性使其特別適用于遙感領(lǐng)域數(shù)據(jù)獲取成本高、場景復(fù)雜度大的特點(diǎn)。
