WeaveEarth：面向免训练超高分辨率遥感理解的结构化证据构建与推理

超高分辨率（UHR）遥感图像理解要求视觉语言模型在有限计算预算下兼顾全局场景布局与稀疏关键细节。现有方法或因被动感知丢失细节，或因主动感知导致延迟与误差累积。本文提出 WeaveEarth，一种免训练框架，将 UHR 理解重构为全局约束下的结构化证据构建与推理问题。该方法首先构建全局感知的最小支持证据集，随后通过结构化证据推理，融合局部证据、空间元数据及相对拓扑，显著增强了模型的全局 - 局部联合推理能力。实验表明其在多个基准上优于现有方法。