MB-ORES: A Multi-Branch Object Reasoner for Visual Grounding in Remote Sensing

1. 提出了一种将OD和VG任务结合的统一框架，用于遥感图像。

2. 利用开放集目标检测器，通过部分监督学习进行细调，以支持传统的OD并建立VG任务的直观先验。

3. 构建了图像的图表示，包括对象查询、类别嵌入和提议位置。

4. 设计了一个多分支网络，该网络整合了空间、视觉和分类特征，以生成任务感知提议。

5. 提出了一个对象推理网络，该网络在提议之间分配概率，并随后通过软选择机制进行最终指代表达对象定位。

6. 在OPT-RSVG和DIOR-RSVG数据集上实现了优于现有方法的性能，同时保留了经典的OD功能。

1. 开放集目标检测器（GroundingDINO）的细调。

2. 图表示方法，用于表示图像中的对象。

3. 多分支网络，用于整合空间、视觉和分类特征。

4. 对象推理网络，用于在提议之间分配概率。

5. 软选择机制，用于最终指代表达对象定位。

6. FFN回归头，用于预测指代表达对象的边界框。

7. 损失函数，包括分类损失、定位损失和L1损失。