本文介绍了一种新型交互式傅里叶变换方法，结合视觉语言预训练，实现遥感图像字幕生成，提升语义一致性。提出的旋转多尺度交互网络（RMSIN）在遥感图像分割中表现优越，采用适应性旋转卷积提高分割准确性。同时，设计的多尺度隐式变换器（MSIT）在超分辨率任务中也取得了先进性能。此外，通过知识图谱增强文本-图像检索能力，提出的KTIR方法在遥感检索中表现优异。