AquaSAM：水下图像前景分割
计算机视觉与模式识别
2023-08-09 v1
摘要
Segment Anything Model (SAM) 已经革新了自然图像分割，然而其在水下图像上的性能仍受限。本工作提出 AquaSAM，首次尝试将 SAM 的成功拓展至水下图像，旨在创建一种用于各类水下目标分割的通用方法。为此，我们首先在 SUIM 数据集中自动分类并提取多种标签。随后，我们开发了一种直接的微调方法，使 SAM 适应通用前景水下图像分割。通过涉及潜水员等八项分割任务的大量实验，我们证明 AquaSAM 优于默认 SAM 模型，尤其在珊瑚礁等困难任务上。AquaSAM 在水下分割任务中取得了平均 Dice Similarity Coefficient (DSC) 提升 7.13 (%) 以及平均 mIoU 提升 8.27 (%)。
引用
@article{arxiv.2308.04218,
title = {AquaSAM: Underwater Image Foreground Segmentation},
author = {Muduo Xu and Jianhao Su and Yutao Liu},
journal= {arXiv preprint arXiv:2308.04218},
year = {2023}
}