跳到正文
arXiv cs.AI· Juan Guti\'errez, Victor Guti\'errez-Garc\'ia, Jos\'e Luis Blanco-Murillo·· 10 小时前AI 评分18

PANC:用先验感知归一化割实现免训练上下文分割

PANC: Prior-Aware Normalized Cut for Training-Free In-Context Segmentation

AI 导读

PANC 是一种先验感知的谱分割流程,通过两个前景/背景锚节点把外部标注 token 注入冻结的 ViT 亲和图,在不训练、不微调、无需目标图点击的情况下完成上下文分割。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:我们研究带有外部标注上下文先验的无训练上下文分割:给定一张目标图像以及从标注上下文图像中提取的一小组前景/背景 token,目标是在不进行训练、微调或目标图像点击的情况下分割出对应的目标概念。现有的 ViT-token 谱方法(如 TokenCut)与类别无关,在多物体场景中可能选错物体,或在低语义、纹理主导的域中变得不稳定。我们提出 PANC,一种先验感知的谱分割流程,通过两个前景/背景锚节点将外部标注 token 注入冻结的 ViT 亲和图。锚节点并不钳制目标图像 token;相反,它们在保留目标图像亲和结构的同时,对归一化割特征空间施加软偏置。PANC 进一步使用先验感知的符号稳定化和先验驱动的阈值化来获得确定性掩码。在异构显著性数据集和同质低语义域上,PANC 优于架构匹配的无先验 token 图基线,在类别无关显著性模糊或较弱的设置中提升最大。
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:2602.06912 [cs.CV]
  (或 arXiv:2602.06912v3 [cs.CV] 用于此版本)
  https://doi.org/10.48550/arXiv.2602.06912

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Juan Gutiérrez [查看邮箱]
[v1] 2026年2月6日星期五 18:07:20 UTC(12,902 KB)
[v2] 2026年4月8日星期三 22:13:53 UTC(32,432 KB)
[v3] 2026年11月18日星期三 17:20:41 UTC(26,495 KB)

来源:arXiv cs.AI · arxiv.org