Contrast, Stylize and Adapt: Unsupervised Contrastive Learning Framework for Domain Adaptive Semantic Segmentation
Shanghai Jiao Tong University（上海交通大学）；LTCI, Télécom-Paris, Institut Polytechnique de Paris（巴黎理工学院巴黎电信学院LTCI）
针对现有无监督域自适应语义分割方法未结合像素与特征层面对齐的问题，提出CONFETI框架，通过类别原型关联像素级风格迁移对齐与特征级像素-原型对比对齐，在DeepLabV2设置下性能超越现有SOTA方法。
2023-06-15 cs.CV
Pixel-Grounded Prototypical Part Networks
University of Notre Dame（圣母大学）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
针对 PROTOPNET 类原型部件网络实际定位整图而非部件的问题，本文提出 PIXPNET，通过感受野约束、像素空间映射和架构修正实现真实部件定位，并在保持准确率的同时提升可解释性。
2023-09-25 cs.CV
Robust Prototypical Few-Shot Organ Segmentation with Regularized Neural-ODEs
Indian Institute of Technology Delhi（印度理工学院德里分校）；Chennai Mathematical Institute（金奈数学研究所）
尽管深度学习模型在图像语义分割方面取得了巨大的进步，但它们通常需要大量带注释的示例，并且越来越多的注意力被转移到像少样本学习（FSL）这样的问题设置上，其中只需要少量注释即可概括为新类。这在医学领域中尤其明显，其中获得密集像素级注释是昂贵的。在本文中，我们提出了正则化的原型神经常微分方程（R-PNODE），一种利用神经常微分方程的内在属性，辅助和增强额外的集群和一致性损失执行器官的Few-Shot分割（FSS）的方法。R-PNODE约束来自相同类的支持和查询特征，使其在表示空间中更接近，从而提高了基于现有卷积神经网络（CNN）的FSS方法的性能。我们进一步证明，虽然许多现有的基于深度CNN的方法往往极易受到对抗攻击的攻击，但R-PNODE对各种各样的攻击表现出更强的对抗鲁棒性。我们在域内和跨域FSS设置中使用三个公开的多器官分割数据集进行实验，以证明我们的方法的有效性。此外，我们在各种设置中使用七种常用的对抗攻击进行实验，以证明R-PNODE的鲁棒性。R-PNODE的性能明显优于FSS的基线，并且对于各种强度和设计的攻击也表现出卓越的性能。
2023-03-01 cs.AI cs.CV
Coarse Retinal Lesion Annotations Refinement via Prototypical Learning
Shanghai Jiao Tong University（上海交通大学）；VoxelCloud, Inc.（体素科技有限公司）
用于视网膜病变分割的基于深度学习的方法通常需要大量精确的逐像素注释数据。然而，用于勾画病变区域的粗略注释（诸如圆形或椭圆形）可以比像素级注释高效六倍。因此，本文提出了一种注释细化网络，将粗略的注释转换为像素级的分割掩码。我们的主要创新之处是原型学习范式的应用，以提高跨不同数据集或病变类型的泛化能力。我们还引入了一个原型称重模块来处理病变过小的挑战性病例。该方法在公开可用的IDRiD数据集上进行训练，然后推广到公共DDR和我们真实世界的私有数据集。实验表明，我们的方法大大提高了初始粗糙掩模和优于非原型基线的大幅度。此外，我们证明了有用的原型加权模块在跨数据集和跨类设置。
2022-08-30 cs.CV
Improved Workflow for Unsupervised Multiphase Image Segmentation
U.S. Army Corps of Engineers Cold Regions Research and Engineering Laboratory（美国陆军工程兵寒冷地区研究与工程实验室）
定量图像分析通常依赖于通过分割过程对像素的准确分类。然而，成像伪影，如部分容积效应和传感器噪声复杂的分类过程。这些效应增加了每个组成类的像素强度方差，导致一类的强度与另一类重叠。由于像素强度分布中的模糊重叠区域，这种增加的方差使得基于阈值的分割方法不足。对于具有两个以上成分的系统，例如不饱和潮湿颗粒介质，类别模糊性变得更加复杂。在本文中，我们提出了一个图像处理工作流程，提高了多相系统的分割精度。首先，类之间的模糊过渡区域被识别和删除，这允许全局阈值的单类区域。然后利用距离函数对过渡区域进行分类，最后将两种分割结果合并为一幅分类图像。这个工作流程包括三种方法来识别过渡像素，我们证明了各种合成图像，这些方法能够准确地分离模糊的过渡像素从单类区域。对于典型的图像噪声量的情况下，误分类误差和区域之间的差异计算的每一类的合成图像和所得到的分割图像的范围分别从0.69-1.48%和0.01- 0.74%，显示这种方法的分割精度。我们证明，我们能够使用这些计算效率高的方法准确地分割潮湿颗粒介质的X射线显微层析图像。
2017-10-26 cs.CV
Boundary-weighted logit consistency improves calibration of segmentation networks
Massachusetts Institute of Technology（麻省理工学院）
针对分割数据标签模糊导致的网络错误校准问题，提出边界加权的跨变换 logit 一致性正则化方法，在前列腺与心脏 MRI 分割上取得最先进校准效果。
2023-07-16 cs.CV
Implicit Fuzzification via Bounded Noise Injection for Robust Medical Image Segmentation
Xinshao County People’s Hospital, Shaoyang（新邵县人民医院，邵阳）
提出NoiseUNet，通过在跳跃连接中注入有界扰动来正则化跨尺度特征融合，隐式实现模糊化，提升医学图像分割的准确性和边界保真度。
2026-06-03 cs.CV
SAPNet++: Evolving Point-Prompted Instance Segmentation with Semantic and Spatial Awareness
Shanghai Jiao Tong University（上海交通大学）
SAPNet++通过整合点距离指导和框挖掘策略，提升点提示实例分割的精度和边界处理能力。
2026-02-25 cs.CV
Class Re-Activation Maps for Weakly-Supervised Semantic Segmentation
Singapore Management University（新加坡管理大学）；Nanyang Technological University（南洋理工大学）；Damo Academy, Alibaba Group（阿里巴巴集团达摩院）
提取类激活图（CAM）可以说是为弱监督语义分割（WSSS）生成伪掩码的最标准步骤。然而，我们发现，不令人满意的伪掩模的关键是二进制交叉熵损失（BCE）广泛使用的CAM。具体地，由于BCE的类上求和池化性质，CAM中的每个像素可以响应于在同一感受野中共同出现的多个类。因此，给定一个类，其热CAM像素可能错误地侵入属于其他类的区域，或者非热CAM像素可能实际上是该类的一部分。为此，我们引入了一个非常简单但非常有效的方法：通过使用softmax交叉熵损失（SCE）重新激活收敛的CAM，称为\textbf{ReCAM}。给定一幅图像，我们使用CAM提取每个类的特征像素，并使用它们与类标签一起使用SCE学习另一个全连接层（骨干之后）。一旦收敛，我们以与CAM中相同的方式提取ReCAM。由于SCE的对比性质，像素响应被分解为不同的类别，因此预期较少的掩模模糊性。对PASCAL VOC和MS~COCO的评估表明，ReCAM不仅可以生成高质量的掩码，而且可以在任何CAM变体中以很小的开销支持即插即用。
2022-03-02 cs.CV
DP-SfM: Dual-Pixel Structure-from-Motion without Scale Ambiguity
Graduate School of Information Science and Technology, The University of Osaka（信息科学与技术研究生院，大阪大学）
本文提出DP-SfM方法，利用双像素传感器的模糊特性自动解决尺度模糊问题，无需参考物体或先验校准，通过深度图与模糊核优化实现绝对尺度估计。
2026-05-03 cs.CV
Split-Fuse-Transport: Annotation-Free Saliency via Dual Clustering and Optimal Transport Alignment
GIFT University（GIFT大学）；La Trobe University（拉特罗布大学）；CSIRO（澳大利亚联邦科学与工业研究组织）
本文提出 POTNet 与 AutoSOD，用熵引导双重聚类和 OT 对齐生成高质量伪掩码，实现端到端无监督 SOD，并在五个基准上显著超越无监督与弱监督方法。
2025-10-20 cs.CV
BACS: Background Aware Continual Semantic Segmentation
Mila - Quebec AI Institute（米拉-魁北克人工智能研究所）；Université de Montréal（蒙特利尔大学）；CIFAR（加拿大高级研究所）
本文提出BACS方法，通过后向背景偏移检测器识别潜在空间中的旧类别像素，并结合改进的交叉熵损失、掩码特征蒸馏与暗经验回放，有效解决了持续语义分割中的背景偏移与灾难性遗忘问题。
2024-04-19 cs.CV
Pareto-Guided Optimization for Uncertainty-Aware Medical Image Segmentation
Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学）；Zhejiang University（浙江大学）；University of Liverpool（利物浦大学）；Duke Kunshan University（杜克大学昆山分校）
本文提出基于帕累托优化的医学图像分割方法，通过区域级课程策略和帕累托一致损失，解决边界区域的不确定性问题，提升分割精度。
2026-02-24 cs.CV
FisheyeGaussianLift: BEV Feature Lifting for Surround-View Fisheye Camera Perception
本文提出一种失真感知的BEV分割框架，通过高斯参数化和可微溅射融合，实现鱼眼影像的高精度语义分割，无需失真校正。
2025-11-21 cs.CV
ReA-OVCD: Training-Free Open-Vocabulary Change Detection via Semantic-Spatial Reliability Assessment
School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院）；College of Surveying and Geo-Informatics, Tongji University（同济大学测绘与地理信息学院）
提出一种无需训练的可靠性感知开放词汇变化检测框架，通过语义变化推理和边界感知精炼策略，解决实例级比较忽略细粒度变化和像素级比较不可靠的问题，在多个数据集上F1提升2.13%-9.75%。
2026-09-02 cs.CV
Transmission-Guided Bayesian Generative Model for Smoke Segmentation
The Australian National University（澳大利亚国立大学）
烟雾分割对于精确定位野火至关重要，以便在早期阶段将其扑灭。尽管深度神经网络在图像分割任务上取得了令人鼓舞的结果，但由于其非刚性形状和透明外观，它们容易对烟雾分割过于自信。这是由知识水平的不确定性和标记水平的不确定性引起的，知识水平的不确定性是由于用于精确烟雾分割的有限训练数据和标记水平的不确定性，标记水平的不确定性表示标记地面实况的困难。为了有效地模拟这两种类型的不确定性，我们引入了贝叶斯生成模型来同时估计模型参数及其预测的后验分布。此外，烟雾图像具有低对比度和模糊性，受基于物理的图像去雾方法的启发，我们设计了一种传输引导的局部相干性损失，以引导网络基于像素距离和传输特征学习成对关系。为了促进这一领域的发展，我们还提供了一个高质量的烟雾分割数据集SMOKE 5K，由1，400个真实图像和4，000个合成图像组成，并带有像素级注释。基准测试数据集上的实验结果表明，我们的模型实现了准确的预测和可靠的不确定性地图表示模型对其预测的无知。我们的代码和数据集可在https://github.com/redlessme/Transmission-BVM上公开获取。
2023-03-02 cs.CV
Prototypical Learning Guided Context-Aware Segmentation Network for Few-Shot Anomaly Detection
Huazhong University of Science and Technology（华中科技大学）
PCSNet通过原型学习和上下文感知分割网络，提升少样本异常检测性能，在8-shot场景下实现94.9%和80.2%的AUROC。
2025-12-17 cs.CV
Retrieve and Segment: Are a Few Examples Enough to Bridge the Supervision Gap in Open-Vocabulary Segmentation?
Czech Technical University in Prague（布拉格捷克理工大学）；University of Crete（克里特大学）；Archimedes, Athena RC（阿基米德，雅典娜研究中心）；IACM-FORTH
本文提出了一种基于检索增强的测试时间适配器，通过融合文本和视觉支持特征来实现开放词汇分割，有效缩小了零样本与监督分割间的差距。
2026-02-26 cs.CV
AdaptiveClick: Clicks-aware Transformer with Adaptive Focal Loss for Interactive Image Segmentation
College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机与电子工程学院）；Institute for Artificial Intelligence, the University of Stuttgart（斯图加特大学人工智能学院）
AdaptiveClick提出点击感知Transformer与自适应焦点损失，解决交互式图像分割中的交互歧义，首个掩码自适应IIS框架，在九个数据集上超越现有方法。
2024-03-14 cs.AI cs.CV eess.IV
The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge Detector
Beijing Jiaotong University（北京交通大学）；North China Electric Power University（华北电力大学）；Stony Brook University（石溪大学）
基于深度学习的边缘检测器严重依赖于通常由多个注释器提供的逐像素标签。现有的方法融合多个注释使用一个简单的投票过程，忽略了固有的模糊性的边缘和标签的注释者的偏见。在本文中，我们提出了一种新的不确定性感知的边缘检测器（UAED），它采用不确定性调查的主观性和歧义的不同注释。具体来说，我们首先将确定性标签空间转换为可学习的高斯分布，其方差度量不同注释之间的模糊程度。然后，我们把学习的方差作为预测边缘图的估计不确定性，具有较高不确定性的像素可能是边缘检测的硬样本。因此，我们设计了一个自适应的加权损失，以强调从那些具有高不确定性的像素的学习，这有助于网络逐渐集中在重要的像素。UAED可以与各种编码器-解码器骨干相结合，大量的实验表明，UAED在多个边缘检测基准测试中一致地实现了卓越的性能。源代码可从\url{https://github.com/ZhouCX117/UAED}获得
2023-03-21 cs.CV
Unsupervised Hierarchical Semantic Segmentation with Multiview Cosegmentation and Clustering Transformers
UC Berkeley（加州大学伯克利分校）；ICSI（国际计算机科学研究所）
无监督语义分割的目的是发现图像内和图像间的分组，这些分组在没有外部监督的情况下捕获类别的对象和视图不变性。自然地，分割具有不同的粒度级别，在无监督分割中产生了歧义。现有的方法避免了这种模糊性，并将其视为建模之外的一个因素，而我们拥抱它，并希望无监督分割的分层分组一致性。我们将无监督分割作为一个逐像素的特征学习问题。我们的想法是，一个好的表示不仅应该揭示特定的分组级别，而且应该以一致和可预测的方式揭示任何分组级别。我们通过同一图像的多个视图之间的共同分割来执行分组和引导特征学习的空间一致性，并通过粗粒度和细粒度特征之间的聚类Transformers来执行分组层次结构的语义一致性。我们提供了第一个数据驱动的无监督分层语义分割方法，称为分层分割（HSG）。通过捕获视觉相似性和统计共现，HSG在五个主要的以对象和场景为中心的基准测试中也大大优于现有的无监督分割方法。我们的代码可在https://github.com/twke18/HSG上公开获取。
2022-04-25 cs.CV cs.LG
End-to-End Deep Convolutional Active Contours for Image Segmentation
University of California, Los Angeles（加州大学洛杉矶分校）
活动轮廓模型（ACM）是一种标准的图像分析技术，其众多的变体吸引了多个领域的大量研究关注。然而，不正确的是，ACM的基于微分方程的公式化和对用户初始化的原型依赖性被认为与最近流行的图像分割的深度学习方法在很大程度上不兼容。本文介绍了这两种范式的第一个紧密统一。特别是，我们设计了深度卷积活动轮廓（DCAC），这是一个真正的端到端可训练图像分割框架，包括卷积神经网络（CNN）和具有可学习参数的ACM。ACM的欧拉能量泛函包括由骨干CNN预测的每像素参数图，其也对ACM进行了建模。重要的是，CNN和ACM组件都在TensorFlow中完全实现，整个DCAC架构是端到端自动可区分和反向传播可训练的，无需用户干预。作为一个具有挑战性的测试案例，我们解决了在航拍图像中构建实例分割的问题，并在两个公开的数据集Vaihingen和Bing Huts上评估DCAC。我们的研究结果表明，对于建筑分割，DCAC建立了一个新的国家的最先进的性能，由一个很大的利润。
2019-10-04 cs.CV
A Decision-Aware Evaluation Protocol for Uncertainty in Medical Image Segmentation
School of Computer Science, University of Nottingham（诺丁汉大学计算机学院）
该研究提出决策感知评估协议，将不确定性估计与弃权策略分离，在医学图像分割任务中验证TTA等方法的性能，表明不确定性需作为配置评估而非独立分数图。
2026-10-16 cs.CV
Contextual-Relation Consistent Domain Adaptation for Semantic Segmentation
Nanyang Technological University（南洋理工大学）；University of Electronic Science and Technology of China（电子科技大学）
无监督领域自适应语义分割的最新进展已经显示出巨大的潜力，以减轻昂贵的每像素注释的需求。然而，大多数现有的作品解决域的差异，对齐的数据分布的两个域在全球图像水平，而在很大程度上忽略了局部的差异。本文提出了一种创新的局部上下文关系一致的领域自适应（CrCDA）技术，旨在实现局部水平的匹配过程中的全局水平对齐。我们的想法是仔细研究区域特征表示，并将它们对齐以进行本地级别的优化。具体来说，CrCDA在标记源域的特征空间中明确地学习和执行原型局部上下文关系，同时通过基于反向传播的对抗学习将它们转移到未标记的目标域。一个自适应熵最大-最小对抗学习方案被设计成在不需要额外的计算开销的情况下最佳地对齐这数百个跨域的局部上下文关系。提出的CrCDA已经在两个具有挑战性的领域自适应分割任务（例如，GTA5到Cityscapes和SYNTHIA到Cityscapes），实验表明，与最先进的方法相比，其优越的分割性能。
2020-07-15 cs.CV
DuPL: Dual Student with Trustworthy Progressive Learning for Robust Weakly Supervised Semantic Segmentation
School of Computer Engineering and Science, Shanghai University（上海大学计算机工程与科学学院）
针对单阶段弱监督语义分割中CAM伪标签导致的确认偏差问题，提出双学生网络DuPL，通过相互监督、渐进引入可信标签及对丢弃区域的一致性正则化，在PASCAL VOC 2012和MS COCO上取得最优性能。
2024-03-17 cs.CV
Prototypical Calibrating Ambiguous Samples for Micro-Action Recognition
School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机与信息工程学院）；Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）；ReLER Lab, CCAI, Zhejiang University（浙江大学CCAI ReLER实验室）
针对微动作识别中类别范围广、视觉差异小导致的模糊性问题，提出原型校准模糊网络（PCAN），通过分层动作树分类模糊样本、模糊对比优化、原型多样性增强及原型引导修正，在基准数据集上取得优于现有方法的性能。
2025-04-15 cs.CV cs.LG
ProPLIKS: Probablistic 3D human body pose estimation
FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）；Siemens Healthineers AG（西门子医疗保健股份公司）
本文提出ProPLIKS概率3D人体姿态估计方法，利用面向SO(3)的Möbius归一化流建模姿态不确定性，并在RGB与X射线数据集上验证其优于现有方法。
2024-12-05 cs.CV
RSRefSeg 2: Decoupling Referring Remote Sensing Image Segmentation with Foundation Models
Beihang University（北京航空航天大学）
RSRefSeg 2通过解耦传统三阶段流程，提出双阶段协作框架，结合CLIP的跨模态对齐与SAM的分割泛化能力，提升遥感图像分割精度与复杂语义解释能力。
2025-07-08 cs.CV
DynamicVis: Dynamic Visual Perception for Efficient Remote Sensing Foundation Models
Beihang University（北航大学）；Nanyang Technological University（南洋理工大学）；University of Hong Kong（香港大学）
本文提出DynamicVis，针对遥感图像稀疏性设计，通过动态区域感知SSM和元嵌入MIL预训练，提升稀疏目标感知性能，尤其在小目标检测和变化检测中表现优异。
2026-03-18 cs.CV
Exploiting Object-based and Segmentation-based Semantic Features for Deep Learning-based Indoor Scene Classification
University of Coimbra（科英布拉大学）；Polytechnic Institute of Tomar（托马理工学院）
针对室内场景分类的类间模糊和类内差异问题，提出融合目标检测语义信息与语义分割的SHMF特征及三分支GOS²F²App网络，在两个基准数据集上取得最优结果。
2024-04-11 cs.CV
Eliminating Feature Ambiguity for Few-Shot Segmentation
Nanyang Technological University（南洋理工大学）；University of Cologne（科隆大学）；SenseTime Research（商汤科技研究院）
针对小样本分割中交叉注意力机制因深层特征混有背景信息导致前景匹配不佳、支持信息利用不足的问题，提出可即插即用的歧义消除网络AENet，通过挖掘判别性查询前景区域修正歧义特征，显著提升多个基线模型性能。
2024-07-13 cs.CV
Modeling Depth Ambiguity: A Mixture-Density Representation for Flying-Point-Free Depth Estimation
University of Michigan（密歇根大学）；NVIDIA（英伟达）
提出混合密度表示MDA，通过预测每个像素的多个深度假设及其概率，解决深度估计中边界处的飞点伪影问题，显著改善边界重建并消除飞点。
2026-10-27 cs.AI cs.CV
PixIE: Prompted Pixel-Space Low-Light Image Enhancement
Visual Information Laboratory, University of Bristol, United Kingdom（布里斯托大学视觉信息实验室，英国）
提出PixIE框架，利用视觉基础模型的语义提示，通过跨尺度去噪和DINO提示像素块进行像素空间低光照图像增强，在多个基准上提升PSNR和LPIPS。
2026-08-03 cs.CV
Active Learning for Semantic Segmentation with Multi-class Label Query
Pohang University of Science and Technology (POSTECH)（浦项科技大学）
本研究提出一种带多类标签查询的语义分割主动学习方法，通过两阶段算法消解部分标签歧义，搭配专用采集函数，在更低标注成本下于Cityscapes和PASCAL VOC 2012上取得更优性能。
2023-11-06 cs.AI cs.CV cs.LG
Perceiving the Invisible: Proposal-Free Amodal Panoptic Segmentation
University of Freiburg（弗莱堡大学）
非模态全景分割旨在将对世界的感知与其认知理解联系起来。它需要同时预测可见场景区域的语义标签和交通参与者实例的整个形状，包括可能被遮挡的区域。在这项工作中，我们制定了一个无提案的框架，解决这个任务作为一个多标签和多类的问题，首先分配的amodal掩模到不同的层根据其相对的遮挡顺序，然后采用amodal实例回归在每一层上独立，同时学习背景语义。我们提出了\net架构，它采用了一个共享的骨干和一个非对称的双解码器组成的几个模块，以促进规模内和跨规模的功能聚合，解码器之间的双边特征传播，并集成全球实例级和局部像素级遮挡推理。此外，我们提出了amodal掩模细化，解决了复杂的遮挡情况下，明确利用嵌入未遮挡的实例掩模的模糊性。对BDD 100 K-APS和KITTI-360-APS数据集的广泛评估表明，我们的方法在这两个基准上都是最先进的。
2022-05-29 cs.AI cs.CV cs.RO
Accurate Segmentation of Optic Disc And Cup from Multiple Pseudo-labels by Noise-aware Learning
School of Cyberspace, Hangzhou Dianzi University（杭州电子科技大学网络空间学院）；Suzhou Research Institute of Shandong University（山东大学苏州研究院）
针对视盘和视杯分割中的标注噪声问题，提出多伪标签噪声感知网络（MPNN），通过多伪标签生成与引导去噪及教师-学生架构，在RIGA数据集上实现精确分割。
2024-03-15 cs.CV
Seg2Click: Learning Pixel-Level Action Masks for GUI Visual Grounding
School of Data Science and Engineering（数据科学与工程学院）；East China Normal University（华东师范大学）
Seg2Click将GUI视觉定位重新表述为可执行区域预测，通过边界框监督生成掩码并确定点击点，在多个数据集上优于现有方法，适配密集小型控件。
2026-10-14 cs.CV
AgMTR: Agent Mining Transformer for Few-shot Segmentation in Remote Sensing
Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院）；School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院）；University of Chinese Academy of Sciences（中国科学院大学）；Institute of Electronics, Chinese Academy of Sciences（中国科学院电子学研究所）；Tsinghua University（清华大学）
针对遥感场景中像素级少样本分割易产生语义模糊的问题，提出AgMTR，通过挖掘局部感知智能体构建智能体级语义关联，有效提升前景与背景的语义清晰度并达到SOTA性能。
2024-09-26 cs.CV
From Pixels to Semantics: A Multi-Stage AI Framework for Structural Damage Detection in Satellite Imagery
The Beacom College of Computer & Cyber Sciences, Dakota State University（达科他州立大学比康计算机与网络科学学院）
本文提出一种多阶段AI框架，结合超分辨率、目标检测和视觉-语言模型，提升灾害后建筑损坏评估的语义解读能力，通过CLIPScore和多模型策略提高检测可靠性。
2026-03-24 cs.CV
MSP-MVS: Multi-Granularity Segmentation Prior Guided Multi-View Stereo
MSP-MVS通过引入多粒度分割先验，解决多视图立体中边缘跳过导致的变形不稳定性，提升匹配精度与泛化能力。
2025-11-25 cs.CV
PiClick: Picking the desired mask from multiple candidates in click-based interactive segmentation
Beihang University（北京航空航天大学）；University of Amsterdam（阿姆斯特丹大学）；Xiaohongshu（小红书）
针对点击式交互分割中的目标歧义问题，本文提出 PiClick，利用 Transformer 多掩码查询与 TRM 生成并自动推荐候选掩码，在 9 个数据集上达到优异性能并降低标注人力。
2024-06-17 cs.CV
Panoptic NeRF: 3D-to-2D Label Transfer for Panoptic Urban Scene Segmentation
Zhejiang University（浙江大学）；Singapore University of Technology and Design（新加坡科技设计大学）；University of Tübingen（图宾根大学）；MPI-IS（马克斯·普朗克智能系统研究所）
具有高质量注释的大规模训练数据对于训练语义和实例分割模型至关重要。不幸的是，像素级注释是劳动密集型的，成本高昂，提高了对更有效的标记策略的需求。在这项工作中，我们提出了一种新的3D到2D标签传输方法，Panoptic NeRF，其目的是从容易获得的粗糙3D边界图元中获得每像素的2D语义和实例标签。我们的方法利用NeRF作为一个可区分的工具来统一从现有数据集传输的粗糙3D注释和2D语义线索。我们证明，这种组合允许改进的几何形状的语义信息的指导下，使准确的语义地图跨多个视图渲染。此外，该融合过程解决了粗略3D注释的标签模糊性，并过滤了2D预测中的噪声。通过在3D空间中推断并渲染到2D标签，我们的2D语义和实例标签通过设计实现了多视图一致性。实验结果表明，Panoptic NeRF在KITTI-360数据集的具有挑战性的城市场景上的准确性和多视图一致性方面优于现有的标签传输方法。
2022-09-09 cs.CV
AGRNet: Adaptive Graph Representation Learning and Reasoning for Face Parsing
Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所）；JD AI Research（京东AI研究院）
人脸分析为每个人脸组成部分推断一个像素级的标签，这一点最近引起了人们的广泛关注。以前的方法在人脸分析中取得了成功，但忽略了人脸成分之间的相关性。事实上，在判别人脸区域中的模糊像素时，分量关系是一个关键的线索。为了解决这个问题，我们提出了自适应图表示学习和推理的面部组件，旨在学习代表性的顶点，描述每个组件，利用组件的关系，从而产生准确的分析结果对歧义。特别是，我们设计了一个自适应和可微的图形抽象方法来表示通过像素到顶点的预测解析图的初始条件下，在一定的面部区域内的像素特征聚集到一个顶点上的投影图上的组件。此外，我们明确地将图像边缘作为模型中的先验，这有助于在投影过程中区分边缘和非边缘像素，从而导致沿边缘的精细解析结果。然后，我们的模型通过在图上的顶点之间传播信息来学习和推理组件之间的关系。最后，细化的顶点特征被投影回像素网格，用于预测最终的解析图。为了训练我们的模型，我们提出了一个歧视性的损失，惩罚特征空间中的顶点之间的小距离，这导致了不同的顶点具有强语义。实验结果表明，该模型在多个人脸解析数据集上具有较好的性能，并在人工解析任务上进行了验证，证明了该模型的通用性。
2021-09-17 cs.AI cs.CV
Towards Geometry-Grounded Dense Semantic Matching with VGGT Priors
S-Lab, Nanyang Technological University（南洋理工大学S实验室）；Visual Geometry Group, University of Oxford（牛津大学视觉几何组）
本文针对现有语义匹配方法的几何歧义与最近邻规则局限，采用VGGT先验，通过特征调整、循环训练等策略实现适配，在多方面性能优于基线。
2026-08-12 cs.CV
Probabilistic Radiomics: Ambiguous Diagnosis with Controllable Shape Analysis
Shanghai Jiao Tong University（上海交通大学）；Shanghai Institute for Advanced Communication and Data Science（上海先进通信与数据科学研究院）
放射组学分析近年来取得了巨大的成功。然而，传统的放射组学分析遭受不充分表达的手工制作的特征。最近，新兴的深度学习技术，例如，卷积神经网络（CNN）主导了计算机辅助诊断（CADx）的最新研究。不幸的是，作为黑盒预测器，我们认为CNN是“诊断”体素（或像素），而不是病变;换句话说，来自训练的CNN的视觉显著性不一定集中在病变上。另一方面，临床应用中的分类存在固有的模糊性：放射科医生可能会对具有挑战性的病例做出不同的诊断。为此，我们提出了一个可控的和可解释的{ \em概率放射组学}框架，通过结合放射组学分析和概率深度学习。在我们的框架中，三维CNN特征提取病变区域，然后编码到病变表示，通过一个可控的非局部形状分析模块（NSAM）的基础上自我注意。受变分自动编码器（VAE）的启发，模糊度先验网络用于近似人类专家的模糊度分布。通过结合模糊先验样本和病变表示获得最终诊断，整个网络称为$DenseSharp^{+}$是端到端可训练的。最后将该方法应用于LIDC-IDRI数据库上的肺结节诊断，验证了其有效性。
2019-10-20 cs.CV cs.LG eess.IV
UniSemAlign: Text-Prototype Alignment with a Foundation Encoder for Semi-Supervised Histopathology Segmentation
AI VIETNAM Lab, Vietnam（AI VIETNAM实验室，越南）；Hanoi University of Science and Technology, Vietnam（河内科技大学，越南）
UniSemAlign通过引入显式类别结构提升视觉分割，利用共享嵌入空间中的原型和文本对齐分支，减少类别模糊性并稳定伪标签优化，实验表明其在有限标注下显著优于现有半监督方法。
2026-04-10 cs.CV
OGG-FR: Orthogonal Gradient Gaming and Frequency Rectification for Unmanned Aerial Vehicle Infrared Image Super-Resolution
针对无人机红外图像超分辨率多损失训练梯度易冲突的问题，提出即插即用的OGG-FR框架，通过分解梯度并结合MGDA等方法优化，在×4、×8尺度降质任务中取得性能提升。
2026-08-11 cs.CV
Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation
Xiamen University（厦门大学）；Chinese PLA General Hospital（中国人民解放军总医院）；Deepwise AI Laboratory（深睿智慧人工智能实验室）
器官血管的分析对于计算机辅助诊断和手术计划是必不可少的。但由于器官血管的连通性较强，特别是低对比度的毛细血管区域，在血管分割和子类型识别中存在较大的模糊性，因此，这并不是一件容易的事情。此外，最近的两阶段方法会将这些不准确性从第一阶段整个血管分割累积甚至放大到第二阶段子类型血管像素分类中。此外，器官血管中手动注释的缺乏构成了另一个挑战。在本文中，为了解决上述问题，我们提出了一个分层的深度网络，其中注意力机制定位由整个血管引导的低对比度毛细血管区域，并增强子类型血管在这些区域的空间激活。此外，我们提出了一个不确定性感知的半监督训练框架，以减轻深度模型的注释饥饿限制。该方法在眼底图像中的视网膜动脉/静脉分割和CT图像中的肝门/肝血管分割的基准中实现了最先进的性能。
2021-05-31 cs.CV cs.LG eess.IV
