arXiv cs.AI· Junho Moon, Ikbeom Jang·· 2 天前AI 评分18
TRACE：面向细长结构分割的拓扑感知预测自适应重连方法
TRACE: Topology-Aware Reconnection via Prediction-Adaptive Connectivity Enforcement for Thin-Structure Segmentation
AI 导读
TRACE 是一种拓扑感知、预测自适应的分割目标函数，利用目标骨架定义所需局部连接，并为每个连接在当前预测下寻找最易实现的有效重连，将其瓶颈与对应骨架点联合监督。该方法还引入拓扑感知骨架载体，同时保留前景与类别特定拓扑。在六个 2D 和 3D 基准上，TRACE 在保持较强分割精度的同时改善了连通性与拓扑，训练开销较低。
正文 · AI 翻译
摘要：细长结构对连通性错误尤为敏感，因为即使少数局部分割错误也可能破坏原本连续的路径。现有的基于骨架的目标通常监督固定的中心线位置，并未考虑可能恢复连通性的其他局部路径。我们提出 TRACE，一种拓扑感知、预测自适应的目标，利用目标骨架来定义所需的局部连接。对于每个连接，TRACE 在当前预测下识别最容易的有效重连，并将其瓶颈与对应的骨架点联合监督。因此，监督会随预测的演变而自适应，而非固定于中心线。我们进一步引入一种拓扑感知的骨架载体，它同时保留前景和类别特定的拓扑，从而能够可靠地定义这些连接。在六个 2D 和 3D 基准上的大量实验表明，TRACE 在保持较强分割精度的同时改善了连通性和拓扑，且训练开销较低。代码将在论文被接收后发布。
| 评论： | 已被 WACV 2027 接收 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.22210 [cs.CV] |
| （或 arXiv:2610.22210v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22210 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Junho Moon [查看电子邮件]
[v1]
2026年10月15日星期四 16:58:50 UTC（2,162 KB）
来源：arXiv cs.AI · arxiv.org