# SAM 3模型

遥感变化检测通常依赖大量跨时相、像素级标注，跨区域和跨平台难以扩展。SpotDiff把DINOv3语义特征、AnyUp像素级特征重建与SAM 3文本引导区域提议组合成免训练流程，只在提议区域内比较两期重建特征的余弦相似度。在LEVIR-CD上，ViT-7B版本达到82.46 F1，比此前最强的免训练方法高2.06个点；SECOND上建筑变化IoU提升10.3。

遥感变化检测通常依赖大量跨时相、像素级标注，跨区域和跨平台难以扩展。SpotDiff把DINOv3语义特征、AnyUp像素级特征重建与SAM 3文本引导区域提议组合成免训练流程，只在提议区域内比较两期重建特征的余弦相似度。在LEVIR-CD上，ViT-7B版本达到82.46 F1，比此前最强的免训练方法高2.06个点；SECOND上建筑变化IoU提升10.3。

把 SAM 3 的图像编码器权重量化到 4 比特、激活保持 8 比特后，模型常出现“提示对齐漂移”：掩码看着合理，却圈错目标或在视频中丢失同一对象。SPQ 在离线校准阶段给影响文本概念分数的参数更高权重、约束低方差残差方向上的特征误差，并用成对视频推演估计记忆接口的均值偏移后折入已有偏置。在 W4A8 设置下，RefCOCO Pr@0.5 由 PTQ4SAM 的 42.1 升到 72.5，同时保留 54.8 COCO mask AP，推理图不增加算子。

把 SAM 3 的图像编码器权重量化到 4 比特、激活保持 8 比特后，模型常出现“提示对齐漂移”：掩码看着合理，却圈错目标或在视频中丢失同一对象。SPQ 在离线校准阶段给影响文本概念分数的参数更高权重、约束低方差残差方向上的特征误差，并用成对视频推演估计记忆接口的均值偏移后折入已有偏置。在 W4A8 设置下，RefCOCO Pr@0.5 由 PTQ4SAM 的 42.1 升到 72.5，同时保留 54.8 COCO mask AP，推理图不增加算子。

在约 1 厘米天底地面采样距离的五方向无人机倾斜摄影数据上，MV-PVMapper 把冻结的视觉基础模型 SAM 3 与摄影测量几何结合起来，无需任务专用标注或权重更新即可输出带地理坐标的单块组件多边形。三个在运屋顶光伏电站共 7711 块参考组件，两轮反馈后匹配 7710 块，IoU 0.5 下无误检；宏平均 AJI 为 97.55%，正交影像分割基线为 60.73%，多视图像素投票基线为 41.24%。

在约 1 厘米天底地面采样距离的五方向无人机倾斜摄影数据上，MV-PVMapper 把冻结的视觉基础模型 SAM 3 与摄影测量几何结合起来，无需任务专用标注或权重更新即可输出带地理坐标的单块组件多边形。三个在运屋顶光伏电站共 7711 块参考组件，两轮反馈后匹配 7710 块，IoU 0.5 下无误检；宏平均 AJI 为 97.55%，正交影像分割基线为 60.73%，多视图像素投票基线为 41.24%。