CoCo-SAM3：在开放词汇语义分割中利用概念冲突
计算机视觉与模式识别
2026-04-22 v1 人工智能
摘要
SAM3 通过引入提示驱动的掩码生成范式推进了开放词汇语义分割。然而，在多类开放词汇场景中，由不同类别提示独立生成的掩码缺乏统一且类间可比的证据尺度，常导致覆盖重叠与不稳定竞争。此外，同一概念的同义表达往往会激活不一致的语义与空间证据，导致类内漂移，加剧类间冲突并损害整体推理稳定性。为解决这些问题，我们提出了 CoCo-SAM3 (Concept-Conflict SAM3)，它将推理显式解耦为类内增强与类间竞争。我们的方法首先对齐并聚合来自同义提示的证据，以增强概念一致性。随后在统一可比尺度上进行类间竞争，实现所有候选类之间的直接像素级比较。该机制稳定了多类推理并有效缓解了类间冲突。无需任何额外训练，CoCo-SAM3 在八个开放词汇语义分割基准上取得了一致的提升。
引用
@article{arxiv.2604.19648,
title = {CoCo-SAM3: Harnessing Concept Conflict in Open-Vocabulary Semantic Segmentation},
author = {Yanhui Chen and Baoyao Yang and Siqi Liu and Jingchao Wang},
journal= {arXiv preprint arXiv:2604.19648},
year = {2026}
}