Clore: 基于点击局部细化的交互式病理图像分割
计算机视觉与模式识别
2026-03-31 v1
摘要
基于深度学习的交互式分割方法的最新进展显著改善了病理图像分割。大多数现有方法利用用户提供的正点击和负点击来引导分割过程。然而，这些方法主要依赖迭代全局更新进行细化，这会导致冗余的重新预测，并且在局部调整期间通常无法捕捉精细结构或纠正细微错误。为了解决这一局限性，我们提出了基于点击的局部细化（Clore）流程，这是一种简单而高效的方法，旨在增强交互式分割。Clore的关键创新在于其分层交互范式：初始点击驱动全局分割以快速勾勒出大目标区域，而后续点击则逐步细化局部细节以实现精确边界。这种方法不仅提高了处理细粒度分割任务的能力，而且能以更少的交互次数获得高质量结果。在四个数据集上的实验结果表明，Clore在分割精度和交互成本之间实现了最佳平衡，使其成为高效、准确的交互式病理图像分割的有效解决方案。
引用
@article{arxiv.2603.27625,
title = {Clore: Interactive Pathology Image Segmentation with Click-based Local Refinement},
author = {Tiantong Wang and Minfan Zhao and Jun Shi and Hannan Wang and Yue Dai},
journal= {arXiv preprint arXiv:2603.27625},
year = {2026}
}