遥感基础模型（RSFMs）通过对多传感器和不同地面采样距离（GSD）图像的预训练受益，但仅靠这种曝光无法解决下游适配中的尺度不匹配问题。固定的令牌网格偏移在不同传感器间对应于不同的地面距离，使得基于网格的位置信息在物理上不一致。同时，异构空间粒度意味着紧凑的城市区域与均匀的景观即使在相同GSD下也可能需要不同的位置信息敏感度。因此，我们提出了GeoRoPE，这是一种地面感知的、兼容RoPE且参数高效的空间适配方法。GeoRoPE从两个互补的方面重新校准令牌级别的位置信息交互。首先，\textit{Geo-Coordinate Calibration (GCC)}根据一个令牌网格步骤代表的地面距离重新调整原始令牌网格偏移，产生跨GSD的地理校准相对坐标。其次，\textit{Geo-Frequency Calibration (GFC)}使用特定关系因子调整原生RoPE频率，从而实现对场景相关空间粒度的敏感适配。GeoRoPE通过轻量级适配器注入到预训练的RSFMs中，保留了冻结的空间先验，同时增加了地理感知的位置信息修正。多项实验表明，GeoRoPE在多个RSFMs、传感器、分辨率和下游任务中提高了跨分辨率的鲁棒性和尺度敏感的表示学习。
博主点评： GeoRoPE方法通过地理校准和频率调整，为遥感基础模型提供了有效的适配手段，显著提升了模型在不同分辨率下的表现。这一创新为遥感图像处理领域带来了新的思路，尤其是在处理复杂场景时的适应性表现上。