A Gift from the Integration of Discriminative andDiffusion-based Generative Learning: BoundaryRefi

（1）判别式学习擅长捕获低频大尺度语义特征，却难以精准学习高频特征；扩散生成学习能有效捕获高频特征，但语义特征推理精度不足。

（2）人工标注的语义分割图基本无图像噪声，其高频信息主要集中在语义边界区域

（3）基于CNN和Transforner的模型都倾向关注图像低频分量，导致边界信息和细粒度语义建模不足

（4）边界损失设计，且固有问题：

1.边界损失优化具有局部性与后验性，仅在模型当前预测附近操作，本质是对现有输出的局部优化

2.边界损失与区域损失的梯度冲突，压制边界相关信号，造成训练不稳定

（5）分割图高低频分量的推理对应两类不同问题，扩散模型比判别式模型在边界区域精修上优势显著

（6）IDGBR框架：

1.条件引导网络

零卷积层捕获局部关联，交叉注意力层捕获全局关联

2.基于表征对齐的正则化策略

在训练前期提出基于表征对齐的正则化策略

3.DINOv2作为语义锚点

无标注数据自蒸馏学习到通用语义表征

1.视觉表征提取

2.扩散表征对齐

（7）训练与推理

1.标签编码:扩散模型通常假设输入数据连续，与语义分割的离散标签冲突。因此设计并预训练浅层标签编码器E e. 解码器D e由两层1×1的卷积层组成

2.噪声调度策略：

采用DDIM调度器，设置噪声参数线性增长；

为强化UDGBR在高噪声阶段的语义感知能力，训练时采用三次时间步采样策略

3.联合训练目标：

Stable Diffusion v1.5 ，提出双分支联合优化策略。

损失函数=标准均方误差 + 表征对齐误差

前500训练步设置λ=0.5引入语义对齐；后续为0，避免持续对齐信号感染分割学习。

（8）推理阶段

首先标准高斯分布采样初始噪声>去噪网络逐步逆向扩散过程>DDIM采样器恢复无噪声语义嵌入>将无噪声语义嵌入输入标签解码器，得到类别预测图

（9）数据集：《二分类》与《多分类》

二分类：CHN6-CUG、FGFD、WHU

多分类：Potsdam、Vaihingen

（10）对比实验：

1.卷积神经网络：DeepLap3+、面向遥感优化任务的大核 CNN LSNet

2.Transformer：SegFormer

3.自监督基础模型：冻结DINOv2权重作为视觉编码器

4.IDGBR 批量大小 4，固定学习率 1e-5，训练 80000 次迭代，推理 25 步，无分类引导权重 3。

（11）遥感语义分割现有主流指标：IoU、平均F1、AP、AUC。

本文引入边界敏感评价指标：加权F值（WFm）

（12）

判别式模型处理复杂道路场景存在三大典型缺陷：高频边缘分割精度不足、复杂道路网络拓扑结构描绘不完整、道路网络结构连通性保留不足。

（13）适用性与局限性

完全修复，可通过语义临接关系近似推断完整信息，如矫正误分斑块、修复道路碎片、规整边界

部分修复，正确区域仅能通过语义邻接关系推断局部信息，校正局部语义如：道路纵向连通但宽度恢复不足、局部集合精修但未语义校正

（14）早期对齐策略加速表征学习

最优配置为λ=0.5结合早期停止策略，验证对齐机制作为初始引导、利用先验知识加速收敛的最佳作用方式。

（15）WFm边界容忍阈值的影响

1.1/3/5像素三种边界

2.结果显示，阈值提升WFm整体上升

3.IDGBR 在所有阈值下均保持稳定精度提升，提升幅度波动小，说明框架对边界容忍度变化不敏感，在不同边界阈值下均具备稳定的边界优化能力。

（16）结论

未来工作可探索两大方向：一是条件扩散模型推理依赖多步迭代采样，虽大幅提升分割质量，但增加计算开销与推理时延，需在保证分割精度的前提下研发更高效的采样策略；二是方法在部分场景的优化效果依赖提示信息完整性，未来可进一步探索多粒度空间提示与语言引导的协同作用，提升复杂场景下的优化鲁棒性与分割精度。