Delineate Anything v2: 用于田块勾绘的全球基础模型

TL;DR Delineate Anything v2 是一个全球农田边界划定基础模型，用 73M 实例多分辨率数据集解决行政地块合并难题，零样本 mAP 提升 103%，5.4 小时完成国家尺度制图。

问题

问题背景

全球农业监测中，从高分辨率遥感影像自动提取农田边界（field delineation） 是粮食安全评估、碳核算及供应链透明化的核心基础任务。视觉基础模型（如 SAM）虽然在通用分割中展现强大的零样本能力，但在农田边界这一垂直场景中仍存在显著性能缺口。

现有方法局限

• 几何与拓扑失配：SAM 缺乏对物理尺度的感知，面对不规则田块、弱边界和复杂拓扑时，容易出现过分割（将单块田割裂）或欠分割（合并相邻田块）。
• 纹理干扰：农田内部植被或土壤纹理高度相似，而真实边界往往仅由窄土路或作物密度差异构成，模型难以仅凭视觉信号分辨。
• 标签噪声普遍：开放数据集常将多个物理田块错误合并为单个行政地块，这种多田块合并（multi-field merging） 问题在现有方案中未被系统解决，直接训练会严重误导边界检测。
• 数据与分辨率局限：已有数据集覆盖国家少、分辨率单一，无法代表全球多样的农业形态，导致模型泛化能力差。

技术挑战与重要性

地理空间领域的田块分割本质是跨区域、跨分辨率的实例分割问题：不同地区的田块面积、形状、耕作模式差异巨大，模型必须同时具备局部边缘感知和全局拓扑一致性。此外，大规模全球制图要求极高的推理效率，而遥感影像的地理坐标对齐、多源标签融合又引入额外复杂度。该任务的突破直接支撑联合国可持续发展目标（SDGs）下的粮食安全监测、农业碳排放追踪等关键应用，工业界与政策机构对全球可扩展的自动化方案需求迫切。

行业类比

类似自动驾驶里的车道线检测——都需要在纹理杂乱、尺度多变的场景中提取细粒度边界，且对拓扑完整性（如车道连接关系）有严格要求；或如医学影像的细胞实例分割，需区分密集粘连对象并保持形态准确，而地理空间数据的异质性进一步增加了挑战。

核心洞察

• - **像素均匀化管线** 通过拓扑图像空间自适应缓解行政地块合并噪声，从像素级特征增强物理边界。不同于常规数据清洗仅滤除或重标，该管线在分辨率维度上对合并地块进行像素混合，利用Khalimsky 网格进行边缘增强，使模型更关注真实农田边界而非人造边界，从而显著提升全球泛化能力。
• - **100 国人工标注评估基准** 为独立零样本泛化测试提供了前所未有的多样性。以往模型通常在少数地区评估，忽略跨地区分布偏移。该基准涵盖了不同农业模式、地块形状和遥感影像特征，能更真实反映模型的全球可扩展性，其构建方法也为地理空间基础模型评价提供了新标准。
• - **消费级工作站全国制图效率** 验证了模型的实际部署可行性。在单台消费级硬件上5.4小时完成乌克兰全国（60.3 万km²）边界推断，速度比现有方案快数倍，且精度大幅领先（mAP@0.5 相对提升 103.3%）。这证明无需昂贵基础设施即可实现大规模农田制图，有望推动该技术在供应链透明、碳核算等场景的快速落地。

方法

Delineate Anything v2 的方法围绕“数据为中心的分割基础模型”展开，核心路径为：多分辨率遥感影像输入 → 标签噪声自动筛选 → 像素匀质化增强 → 拓扑边缘强化 → 模型训练与边界输出。

1. 数据准备与噪声筛选

模型以全球多分辨率遥感影像和对应的行政地块标注为输入。首先执行 自动化标签噪声筛选（Automated Screening for Label Noise），识别并剔除因行政合并造成的“多田一框”错误标注。这类噪声会误导模型学习错误的边界模式，筛选后保留的实例更接近真实田间边界。

2. 影像空间修复：像素匀质化

对筛选后的合并地块，通过 像素匀质化（Image-Space Remediation: Pixel Homogenization）策略，将原本被合并的多个田块在图像空间内进行纹理统一。具体而言，利用分辨率自适应的拓扑映射，弱化田块内部非边界的纹理差异，同时保留或增强真正的物理边界。这一过程将数据从“行政边界驱动”矫正为“物理边界驱动”。

3. 拓扑边缘增强：Khalimsky 网格

为进一步强化弱边界，引入 Khalimsky 网格进行拓扑边缘增强（Topological Edge Enhancement via Khalimsky Grids）。Khalimsky 网格是一种数字拓扑结构，它将像素网格扩展为包含点、线、面的复合空间，从而能对边界进行亚像素级拓扑约束。通过在 Khalimsky 网格上施加连续性约束，模型输出更连贯、闭合的田块边界，缓解传统方法中常见的断裂或拓扑错误。

4. 基础模型训练与推理

经上述数据流水线处理后的标注，用于训练一个视觉基础模型（类似 SAM 的架构，但专门适配遥感尺度与纹理）。该模型在 FBIS-73M 数据集（73M 实例，61 国，多分辨率）上学习，输出为田间边界分割图，可高效转化为矢量格式。推理时支持零样本泛化，已测试全球 100 国手工基准。

与同类工作的关键差异：相比通用的 SAM 或原版 Delineate Anything，v2 并没有依赖复杂的模型结构修改，而是通过数据飞轮——噪声清洗、物理匀质化、拓扑保真增强——从根源上修复遥感标注的固有问题，从而在零样本全球泛化上获得大幅提升（mAP@0.5 相对增益 +103.3%）。

实验

实验设计

模型在 FBIS-73M 上训练，该数据集包含 61 个国家、7300 万实例的多分辨率农田边界标注。训练前通过拓扑图像空间自适应流水线清洗标签，解决行政地块合并导致的边界弱化问题，并利用 Khalimsky 网格强化边缘。评估采用独立构建的 100 个国家手工标注基准，严格测试零样本泛化能力。

关键发现

• Delineate Anything v2 在 mAP@0.5 上相较前代框架绝对提升 0.284，相对增益 103.3%，边缘检测质量大幅提高。
• 在乌克兰全境（603,000 km²）仅用 5.4 小时完成矢量化，验证了模型在消费级硬件上的国家级快速部署潜力。
• 消融实验证实，数据清洗流水线和拓扑增强模块对弱边界、多田地混杂场景的改善显著。

与基线对比的深度解读

相较于通用视觉基础模型 SAM 在地理空间领域的失败，本工作通过地理空间先验注入与分辨率感知的数据策略，弥补了物理尺度感知缺失和拓扑复杂度适应性问题。与上一代 Delineate Anything 相比，v2 不仅在精度上实现翻倍级提升，还解决了多地块合并这一行业长期痛点，其拓扑鲁棒性为碳核算、供应链透明度等下游应用提供了可直接使用的国家级矢量产品，为地理空间基础模型的实际落地树立了新的范式。

行业影响

落地场景

田间边界勾画 是精准农业、碳核算、供应链透明度的基础数据层。该模型可直接赋能：

• 农业保险：自动化地块分割，提升定损、风险评估与理赔效率。
• 食品供应链：跨国企业追踪原料产区，验证零毁林、可持续采购承诺。
• 碳市场：精确核算土地利用变化碳排放，支撑碳信用生成与核查。
• 政府统计：大范围耕地面积估算与补贴发放校验。

商业价值

与人工标注或传统交互式勾画相比，Delineate Anything v2 将国家尺度（>60万 km²）的制图时长压缩至 5.4 小时，大幅降低 人力与计算成本。模型在 100 国零样本测试中 mAP@0.5 相对提升 103.3%，直接减少后处理审核环节，实现 “一次推理、全球可用” 的规模效应。对保险、审计等强合规行业，可量化的精度与效率提升直接转化为 风险定价更准、审计周期更短 的商业收益。

与现有产品/工作流的接口

模型提供 预训练权重、FBIS-73M 数据集 以及 现成的国界矢量产品，可通过以下方式融入现有技术栈：

• 以 ONNX / TorchScript 导出，部署为 GIS 软件（QGIS、ArcGIS）的插件或云函数。
• 封装为 REST API，供精准农业平台（如 Climate FieldView）、食品溯源系统调用。
• 作为 基础特征提取器，下游通过轻量适配器微调适配特定传感器（如 PlanetScope、Sentinel-2）。

具体落地 Use Case

1. 农业保险理赔
   保险公司接入模型，对受灾区域卫星影像进行批量地块分割，结合气象与产量数据，自动生成每块耕地的 损失评估报告，理赔周期从数周缩短至小时级，同时减少勘查人工成本。
2. 食品企业供应链审计
   某全球咖啡品牌需验证供应商未在保护区内开垦。模型对连续数年的 Sentinel-2 影像进行农场边界提取，与保护区矢量叠加，快速标记 疑似违规地块，替代昂贵的人工抽样核查，实现供应链的 常态化合规监控。

局限

• **全球泛化在区域覆盖上仍存不确定性**：尽管 FBIS-73M 跨越 61 个国家，且零样本评估基准涵盖 100 个国家，但数据集中某些农业类型（如小农耕作、梯田或热带种植园）的代表性可能不足。模型在这些地区的性能未经验证，当面对训练分布中稀有、甚至完全未见的农田纹理与拓扑结构时，可能出现边界误合或漏分。此外，不同遥感影像源（如 Sentinel-2 与 Planet 数据）的光谱和空间特性差异可能进一步放大泛化缺口，实际部署前需进行域适应。
• **对极端几何与弱边界的鲁棒性有待加强**：模型通过 Khalimsky 网格增强拓扑边缘，并同质化合并地块，但在农田高度碎片化、边界极其模糊（如由作物类型而非物理障碍分隔）或存在细长道路/沟渠的场景下，仍可能产生断裂或连接错误的边界。定性分析已揭示部分失败案例，表明当前的像素同质化策略可能过度平滑细节，导致微小地块丢失。同样，在山地梯田等剧烈地形变化区域，物理尺度感知的单一策略可能不适配所有空间频率。
• **计算效率与部署约束尚未完全优化**：在消费级工作站上完成乌克兰全国制图仅需 5.4 小时，但这主要受益于推理时的图像分块与并行策略。然而，模型本身的参数量与内存占用并未公开，在处理更高分辨率（如 0.5m 级航空影像）或全球同步部署时，显存和吞吐量可能成为瓶颈。此外，数据预处理管线（如云掩膜、多时相合成）对整体流程的速度和资源消耗有显著影响，而论文未量化这部分开销，可能低估实际业务化部署的总成本。