arXiv cs.AI· Bingyu Li, Tao Huo, Da Zhang, Zhiyuan Zhao, Junyu Gao, Xuelong Li·· 3 天前AI 评分23
Earth2Ocean：无需额外训练的水下开放词汇分割框架
Exploring the Underwater World Segmentation without Extra Training
AI 导读
研究者提出免训练开放词汇分割框架 Earth2Ocean，将陆地视觉语言模型迁移至水下领域，无需任何额外水下训练。该工作同时发布首个大规模细粒度水下分割数据集 AquaOV255（255 类、超 2 万张图像）及首个水下开放词汇分割基准 UOVSBench。
正文 · AI 翻译
摘要：海洋生物的精确分割对于生物多样性监测和生态评估至关重要，然而现有的数据集和模型在很大程度上仍局限于陆地场景。为弥补这一空白，我们提出了 \textbf{AquaOV255}，这是首个大规模、细粒度的水下分割数据集，包含 255 个类别和超过 2 万张图像，涵盖多样类别以用于开放词汇（OV）评估。此外，我们通过将 AquaOV255 与另外五个水下数据集整合，建立了首个水下 OV 分割基准 \textbf{UOVSBench}，以实现全面评估。同时，我们提出了 \textbf{Earth2Ocean}，一个无需训练的 OV 分割框架，可将陆地视觉-语言模型（VLM）迁移至水下领域，而无需任何额外水下训练。Earth2Ocean 由两个核心组件构成：几何引导视觉掩码生成器（\textbf{GMG}），通过自相似几何先验细化视觉特征以感知局部结构；以及类别-视觉语义对齐（\textbf{CSA}）模块，通过多模态大语言模型推理和场景感知模板构建来增强文本嵌入。在 UOVSBench 基准上的大量实验表明，Earth2Ocean 在保持高效推理的同时，平均性能取得显著提升。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2511.07923 [cs.CV] |
| （或 arXiv:2511.07923v3 [cs.CV] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2511.07923 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Bingyu Li [查看邮箱]
[v1]
2025年11月11日星期二 07:22:56 UTC（6,604 KB）
[v2]
2026年3月17日星期二 09:16:24 UTC（6,604 KB）
[v3]
2026年10月10日星期六 04:49:40 UTC（3,771 KB）
来源：arXiv cs.AI · arxiv.org