AdapterShadow：适配 Segment Anything Model 用于阴影检测
计算机视觉与模式识别
2023-11-16 v1
摘要
Segment anything model（SAM）在分割通用目标方面已展现出卓越性能，尤其在提供精细提示时。然而，SAM 的缺陷有两方面。一方面，它无法分割特定目标，例如阴影图像或医学图像中的病灶。另一方面，手动指定提示极其耗时。为克服这些问题，我们提出 AdapterShadow，其将 SAM 模型适配用于阴影检测。为将 SAM 适配于阴影图像，可训练的适配器被插入 SAM 冻结的图像编码器中，因为完整 SAM 模型的训练在时间与内存上均消耗巨大。此外，我们引入一种新颖的网格采样方法以生成密集点提示，有助于在无任何人工干预的情况下自动分割阴影。在四个广泛使用的基准数据集上进行了大量实验，以证明我们所提方法的优越性能。代码将公开于 https://github.com/LeipingJie/AdapterShadow。
引用
@article{arxiv.2311.08891,
title = {AdapterShadow: Adapting Segment Anything Model for Shadow Detection},
author = {Leiping Jie and Hui Zhang},
journal= {arXiv preprint arXiv:2311.08891},
year = {2023}
}