arXiv cs.AI· Jisheng Dang, Huaiyuan Peng, Wencan Zhang, Bimei Wang, Jingwen Zhao, Wenjun Ma, Hong Peng, Bin Hu, Qi Tian, Tat-Seng Chua·· 14 小时前AI 评分31
DRA-SAM：面向低空无人机指代分割的分歧驱动指代主动 SAM 框架
DRA-SAM: Disagreement-Driven Referential Active SAM for Low-Altitude Drone Referring Segmentation
AI 导读
DRA-SAM 提出一种分歧驱动的指代主动分割框架，依据候选假设与未决状态决定是否对局部区域追加一次推理，在 RIS-LAD 和 UAVid-RIS 上七个测试指标中六个达到 SOTA。
正文 · AI 翻译
摘要：低空无人机影像中的指代分割需要在复杂的语言和空间约束下区分视觉上相似的小实例。全局推理可能产生多个看似合理的掩码，或使目标指代对象表示不足，这促使我们进行选择性的局部再推理。我们提出 DRA-SAM，一个由分歧驱动的框架，它根据相互竞争的指代假设和一个未解决状态来分配额外的推理过程。一个轻量级的 EvidenceScorer 估计对现有候选和未解决状态的信念。一个无需训练的 Referential Disagreement LOOK 策略平衡信念加权的候选竞争和未解决区域覆盖，以选择用于局部再推理的裁剪区域。同一个经过基准适配的 SAM3-I 主干网络处理所选区域，由此产生的证据更新现有假设并引入新的候选。在比较的方法中，DRA-SAM 在 RIS-LAD 和 UAVid-RIS 上均在七项测试指标中的六项上达到最先进性能，包括 mIoU 和 P@0.5-P@0.9，并在 RIS-LAD 验证集全部七项指标上达到最先进性能。在 RIS-LAD 上，DRA-SAM 将匹配的全局 SAM3-I 基线从 49.55 mIoU 提升至 52.34 mIoU，并将 P@0.5 从 46.80 提升至 58.05。在 UAVid-RIS 上，独立适配的 DRA-SAM 达到 73.26 mIoU 和 86.86 P@0.5。受控的裁剪策略比较证明了分歧引导的裁剪选择的有效性，而目标尺寸分析显示，对于占据图像不到 1% 的空中目标，增益尤为显著。这些结果确立了指代分歧作为分配局部推理的有效标准。代码可在 此 https URL 获取。
| 评论： | 10 页，5 幅图 |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI) |
| 引用为： | arXiv:2610.33057 [cs.CV] |
| （或 arXiv:2610.33057v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33057 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Huaiyuan Peng [查看电子邮件]
[v1]
2026 年 10 月 19 日星期一 08:56:35 UTC（26,774 KB）
来源：arXiv cs.AI · arxiv.org