渐进式预训练

SkySense-VITA：面向多模态遥感影像的通用上下文分割

SkySense-VITA: Towards Universal In-context Segmentation of Multi-modal Remote Sensing Imagery

论文提出的提示与预测解耦策略（VITA-Former 负责融合多模态提示，VITA-Decoder 负责预测）以及语义粒度退火（SGA）的由粗到细课程，可直接迁移到其他需要同时支持视觉提示、文本提示与融合提示的通用分割框架中。