面向 SAM 跨域少样本分割的可组合元提示 CMP
计算机视觉与模式识别
2025-07-23 v1
摘要
跨域少样本分割（CD-FSS）因数据有限和域迁移问题仍具挑战性。近期的基础模型如Segment Anything Model（SAM）在一般分割任务中展现出卓越的零样本泛化能力，成为少样本场景的有前景的解决方案。然而，将SAM应用于CD-FSS面临两个关键挑战：依赖人工提示且跨域能力有限。因此，我们提出可组合元提示（CMP）框架，引入三个关键模块：（i）用于语义扩展的参考补全与转换（RCT）模块，（ii）用于自动化元提示合成的可组合元提示生成（CMPG）模块，（iii）用于域差异缓解的频率感知交互（FAI）模块。跨四个跨域数据集的评估表明，CMP实现了最先进的性能，在1-shot和5-shot场景中分别达到71.8%和74.5%的mIoU。
引用
@article{arxiv.2507.16753,
title = {CMP: A Composable Meta Prompt for SAM-Based Cross-Domain Few-Shot Segmentation},
author = {Shuai Chen and Fanman Meng and Chunjin Yang and Haoran Wei and Chenhao Wu and Qingbo Wu and Hongliang Li},
journal= {arXiv preprint arXiv:2507.16753},
year = {2025}
}
备注
3 figures