近日，我院教师王昊在高分辨率遥感影像精细化分割方面的研究取得重要进展，相关论文“A Gift from the Integration of Discriminative and Diffusion-based Generative Learning: Boundary Refinement Remote Sensing Semantic Segmentation ”发表在CCF-A类人工智能领域国际顶级期刊 《IEEE Transactions on Pattern Analysis and Machine Intelligence》（TPAMI，五年平均影响因子：22.6）。计算机学院（软件学院）、人工智能学院教师王昊为论文第一作者。

从地理信息更新、环境监测到城市规划，遥感图像语义分割作为对地观测领域的共性关键技术，在众多国家重大战略需求中发挥着核心支撑作用。然而，高分辨率遥感影像的精细化分割长期面临着语义一致性（低频）与边界精准度（高频）难以调和的矛盾。针对这一技术瓶颈，研究团队首次从理论上论证了扩散模型的逆向去噪过程可显著增强图像高频特征学习能力，进而创新性提出融合判别式与扩散生成式学习的通用边界优化框架。该框架成功实现低频语义一致性与高频边界精准度的深度耦合与优势互补，突破了遥感解译中语义与细节制衡的理论桎梏，为高分辨率遥感影像精细化处理开辟了全新技术路径。

融合判别模型与扩散生成模型的高分遥感影像精细化分割框架图

该研究工作得到了国家自然科学基金青年项目、内蒙古大学青年学术人才等项目的支持，内蒙古大学时空智能研究中心为该项目提供了软硬件支撑。

论文链接：https://doi.org/10.1109/TPAMI.2026.3654243

（撰稿：王昊 二审：王燕、李静 终审：黄翔）