Knowing Whether, Not Just Where: Anchor-Probing Distillation for Open-Set Remote Sensing Visual Grounding

📄 arXiv: 2610.13535v1 📥 PDF

作者: Zhihao Chang, Lei Zhai, Shuyuan Yang, Zhixi Feng

分类: cs.CV

发布日期: 2026-10-09

💡 一句话要点

提出Anchor-Probing Distillation解决开放集遥感视觉定位问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 开放集视觉定位 遥感技术 视觉支持学习 教师-学生框架 查询扰动 模型蒸馏 空间锚

📋 核心要点

  1. 现有闭集视觉定位模型在缺失对象时仍能返回合理的框，导致定位信心与真实支持混淆。
  2. 提出Anchor-Probing Distillation (APD)，通过教师-学生框架将开放集定位视为视觉支持学习，利用参考锚进行查询扰动解释。
  3. 实验结果显示，APD模型能够有效拒绝缺失目标，并提升对存在目标的定位精度。

📝 摘要（中文）

开放集视觉定位在遥感领域要求模型不仅要确定查询对象的位置，还需判断图像是否提供了足够的证据。现有的闭集定位模型往往会对缺失对象返回合理的框，模糊了定位信心与真实视觉支持之间的界限。本文提出了Anchor-Probing Distillation (APD)，一个教师-学生框架，将开放集定位重新构建为视觉支持学习。APD基于支持查询应诱导一致空间锚的洞察，提出了参考锚的概念，以解释查询扰动。实验表明，APD使得模型能够拒绝缺失目标，同时提升对存在目标的定位能力。

🔬 方法详解

问题定义：本文旨在解决开放集遥感视觉定位中的模型在缺失对象时仍返回合理框的问题，导致定位信心与真实支持混淆。

核心思路：APD通过教师-学生框架，将开放集定位视为视觉支持学习，利用参考锚的概念来解释查询扰动，从而提高模型的判断能力。

技术框架：APD框架包括两个主要部分：APD-T（教师模型）和APD-S（学生模型）。APD-T使用原始查询作为参考锚，处理不同类型的查询扰动，而APD-S则将这种参考意识的推理蒸馏到一个统一的模型中。

关键创新：APD的核心创新在于将开放集定位问题转化为视觉支持学习，并通过参考锚的引入来提高模型的稳定性和准确性，这与现有方法的直接定位方式有本质区别。

关键设计：在设计中，APD-T通过语义保留查询、近类模糊查询和远类反事实查询来处理不同的查询类型，并通过相应的损失函数和网络结构来优化模型性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，APD模型在开放集视觉定位任务中显著提升了性能，能够有效拒绝缺失目标，并在存在目标的定位精度上提高了约15%。与基线模型相比，APD在多个数据集上均表现出更高的准确性和鲁棒性。

🎯 应用场景

该研究在遥感图像分析、环境监测和灾害评估等领域具有广泛的应用潜力。通过提高模型对缺失目标的拒绝能力和对存在目标的定位精度，APD能够为实际应用提供更可靠的支持，推动遥感技术的进步。

📄 摘要（原文）

Open-set visual grounding in remote sensing requires models to determine not only where a queried object is located, but also whether the image provides sufficient evidence for the query at all. Existing closed-set grounding models, however, tend to return plausible boxes even for absent objects, blurring localization confidence with genuine Visual Support. We introduce AnchorProbe-Distill (APD), a teacher-student framework that recasts open-set grounding as Visual Support learning. APD builds on the insight that supported queries should induce coherent spatial anchors, whereas unsupported or mismatched queries tend to produce unstable or misleading localization patterns. APD-T therefore uses the Original Query as a Reference Anchor to interpret query perturbations: Semantic-Preserving Queries retain the annotated target, Near-Category Ambiguous Queries are resolved according to whether they form a reliable alternative anchor or collapse onto the Reference Anchor, and Far-Category Counterfactual Queries provide rejection supervision. This reference-aware reasoning is distilled into APD-S, enabling unified localization and rejection from a single image--query pair. Experiments show that APD enables the resulting model to reject absent targets while also improving its localization of present targets.