构建了新的指向性遥感图像分割 benchmark 数据集 RRSIS-D。RRSIS-D 基于 SAM 强大的分割功能，再进行手动校准，涵盖多种多样的空间分辨率和物体方向的数据。新数据集能够为传统 RIS 方法向遥感领域迁移应用提供基础。 提出了旋转多尺度交互网络（RMSIN），以应对遥感图像中普遍存在的多空间尺度和方向所带来的挑战。 设计了层内尺度交互模块和层间尺度交互模块来处理不同尺度内和跨尺度的细粒度信息。同时，作者在分割的解码器端引入了旋转自适应卷积来增强模型的鲁棒性，有效应对 RRSIS 中无处不在的旋转现象。 广泛的实验证明了本文中的 RMSIN 优于当前 SOTA 方法，在一系列评估指标上，持续表现出最佳性能，为之后的 RRSIS 的研究提供强有力的基线。
和描述 
，首先描述 E 通过文本 backbone
转换为文本特征
。
。通过文本 backbone 获取文本特征
（其中 C 表示通道数）后，IIM 在阶段 i 的输出特征
可描述为：
.
是从视觉 backbone
和输入 I 中提取的。具体来说，在阶段 i 中，输入特征
经过降采样和 MLP 的组合以缩小尺度并统一特征维度，得到
。经过下采样的特征被送入两个分支，分别用于增强视觉先验和融合多模态信息。
通过 J 个不同卷积核大小的卷积分支进行变换，以产生具有不同感受野的特征，可表述为：
表示卷积的第 j 个分支，σ 表示 Sigmoid 函数。公式即表达利用不同的卷积设置来平衡所有像素之间的权重
。权重通过以下方式来增强特征：
和语言特征
的情况下，首先使用
作为 Query，以
作为 Key 和 Value，实现缩放点积注意力，从而获得多模态特征：
,
与
结合起来，得到语言引导的图像特征：
,
的输出操作类似，得到的输出由语言门 β(Language Gate) 调节并加到原始图像特征中，作为补充的语言特征。语言门 β 的结构与视觉门相同。因此，尺度内交互模块在 i 阶段的整体输出特性可以表示为：
.
在空间维度降采样到相同大小，并沿通道维度进行拼接，公式表达如下：
,
.
表示
降采样后的新特征，downsample (⋅) 通过 Average Pooling 实现；
表示沿通道维度拼接的多尺度特征，即通过
操作在通道维度拼接 
得到的多尺度特征。多尺度特征
随后被输入到不同的感受野以实现深度多尺度交互，通过大小和步长不同的被调整到不同的尺度，其定义如下：
,
, 
是调整的尺度数，
是第 m 个深度卷积的卷积核大小，
和 
是
的高度和权重。以此得到
集合，就可以在空间维度上对所有元素进行扁平化处理，并将它们拼接成一个序列的多尺度感知特征
。以原特征
作为 Query，以多尺度感知特征
作为 Key 和 Value 执行跨尺度注意力：
,
的每个部分，都会执行来自
相应部分的感知门正则化，以获得跨尺度交互的权重。该权重被视为尺度内特征模块输出的辅助残差。计算公式如下：
,
。感知门的输出被用于后续解码器的最终掩码预测。
和相应的权重
。对于输入 Χ，θ，λ 的预测值为：
,
根据预测的角度重参数化（Rotate Block）如下所示：
,
,
,
是原始卷积核采样点的坐标，
是围绕坐标原点进行旋转仿射变换的旋转矩阵的逆矩阵，interpolation (⋅) 通过双线性插值实现。最后，用得到的卷积核对特征进行过滤，并进行加权求和运算，以生成方向感知特征：
,
映射到二分类的掩码。值得注意的是，
输入自适应旋转动态卷积 ARC 中获得优化特征 
，以利用特征空间中的方向信息，从而消除冗余，提高边界细节的准确性。
