技术摘要：AwakeForest

问题陈述

森林图像分析是一个复杂的领域，需要紧密耦合的视觉任务，包括目标检测、空间轮廓描绘以及定量分析。这些任务必须在不同的地理区域、传感器类型和采集条件下运行。目前的工具领域存在一个关键性的空白：从业者缺乏一个能够同时具备地理空间原生性（geospatial-native）、**云优化（cloud-optimized）且集成机器学习（ML-integrated）**的统一平台，以支持端到端的业务流程。

现有的解决方案可分为两类，但两者都未能完全满足大规模森林管理的需求：

1. 通用标注工具（例如 CVAT、Label Studio、AnyLabeling）：这些工具支持 AI 辅助标注，但将地理空间坐标和大规模正射影像视为次要因素。它们并非为生态监测中常见的高分辨率、大规模空间影像（范围从数 GB 到数百 GB）而设计。
2. 地理信息系统 (GIS)（例如 QGIS）：它们具有地理空间原生性，在空间索引和管理方面表现出色，但缺乏集成的、交互式的机器学习标注工作流以及即插即用的模型推理能力。

因此，从业者往往面临高昂的数据集构建成本，并受困于限制现有模型和标注复用性的领域偏移（domain shifts），被迫在碎片化的工具之间进行重复性的适配和数据集重建。

方法论与系统架构

AwakeForest 被呈现为一个交互式的端到端平台，旨在弥补这一差距。它在一个一致的地理空间上下文中，集成了模型辅助推理、自动标注和人机回环（human-in-the-loop）精炼功能。

高层架构

该系统采用模块化、面向服务的架构（图 1），由四个不同的层级组成：

• 客户端层 (Next.js)： 提供用于项目管理、数据集注册和模型选择的用户界面。它利用 Leaflet 进行交互式地理空间地图可视化。
• 服务层 (FastAPI)： 作为中央协调器，负责用户认证、项目组织以及推理请求的编排。它管理逻辑和切片（tiling）服务。
• 模型推理层： 由用户通过 API 端点注册的独立服务组成。这些服务是任务特定的（例如检测、分割），可以包含如 YOLO（用于检测）和 SAM/SAM2（用于分割和基于提示词的标注）等模型。
• 数据层 (MinIO/Supabase)： 使用存储在 MinIO（兼容 S3）中的 云优化 GeoTIFF (COG) 来存储大型数据集。数据持久化和空间索引通过 Supabase（带有 PostGIS 扩展的 PostgreSQL）进行处理。

核心工作流与功能

平台通过将数据集与注册模型相链接的项目制结构进行运作（图 2）：

1. 双视图界面：
   • 全局视图： 显示整个正射影像，允许用户在大型森林场景中进行平移、缩放并查看标注叠加层，以实现实时进度跟踪。
   • 切片级视图： 将数据集划分为固定大小的图像切片。用户可以选择模型在当前切片上生成预测，手动标注遗漏的目标，分配标签并验证质量。
2. 统一的地理空间表示： 为确保一致性，AwakeForest 将标注与特定的图像切片解耦。中间结果以绝对空间属性和基于地理坐标的标准几何格式进行存储。这使得无论分辨率或影像来源如何变化，都能实现稳定的索引、跨模型比较和增量更新。
3. 即插即用的模型集成： 用户可以注册外部 FastAPI 端点进行推理。系统支持基于提示（使用边界框或如“棕榈树”之类的文本提示）的分割，利用 SAM3 等模型的少样本（few-shot）能力快速生成实例掩码。
4. 分析就绪的输出： 系统生成的输出可以直接用于下游分析。经过验证的结果会被提升为最终标注，而中间预测结果则保持可追溯性。输出包括基于置信度阈值的预测密度和空间摘要（例如实例位置的核密度估计）。

核心贡献

• 统一的工作流： AwakeForest 提供了第一个集成了地理空间优先的数据管理、云优化正射影像访问以及交互式 ML 标注的综合系统。
• 可扩展性： 平台通过利用 TiTiler 进行按需切片流式传输，实现了对大型正射影像（数 GB 至数百 GB）的处理能力，消除了为了交互式探索而必须对大型文件进行预处理的需求。
• 人机回环精炼： 它促进了从自动化推理到人工验证的无缝过渡，允许在统一的地理空间上下文中进行迭代的模型更新和数据集精炼。
• 竞争优势： 如表 1 所示，AwakeForest 是主要竞争工具中唯一能同时支持地理空间原生操作、空间索引、云优化和 AI 辅助标注的工具。

结果与演示

系统在 PALMS 数据集上进行了演示，该数据集由高分辨率无人机衍生的正射影像组成，覆盖了具有密集且异质冠层结构的广阔且连续的森林区域。

• 工作流执行： 用户加载 PALMS 正射影像，并在多个尺度上进行交互式探索。预训练检测模型为棕榈实例生成了初始提议（边界框和冠层中心）。
• 精炼： 用户调用基于 SAM 的分割，使用这些边界框作为提示来获取高分辨率实例掩码，而无需手动绘制。文本提示（如“palm”）也被用于检索候选实例并生成掩码。
• 输出生成： 演示展示了通过置信度阈值过滤预测以及通过核密度估计可视化预测密度的能力。最终输出包括棕榈中心分布和选定区域内的实例计数等空间摘要。

意义与主张

论文将 AwakeForest 定位为森林管理和生态监测的实用解决方案，特别解决了处理现代森林影像的规模和复杂性的端到端工作流需求。

• 实际效用： 该平台使用户能够从大型影像探索无缝切换到经过验证、分析就绪的输出，减轻了手动标注的负担以及在不同工具之间切换的摩擦。
• 主张的适度性： 作者明确指出，其工作重点在于通过一个代表性场景（RGB 森林影像）来展示平台的各项能力，而非提供关于预测准确性或标注效率的定量基准测试。
• 未来方向： 论文承认，结果质量取决于所采用的预训练模型的适用性，特别是在领域偏移的情况下。未来的工作确定为扩展对其他传感模态（多光谱、LiDAR、时间数据）的支持，并实现协作式、多用户的工作流。

总之，AwakeForest 展示了集成、端到端的工作流如何支持在统一环境中进行检测、分割、空间汇总和迭代精炼，填补了大规模森林分析可用工具领域的关键空白。