COCOTree：面向开放树状视觉分解的数据集与基准
计算机视觉与模式识别
2026-05-22 v1
摘要
我们形式化并实现了开放树分解任务，该任务将图像分割为具有不受限粒度和灵活性的层次化视觉组件树。具体而言，我们为这一新范式提供了基础基准，主要贡献如下。首先，我们通过开发完全自动的生成管道，克服了人工标注的高认知和物理瓶颈，该管道融合了大型视觉语言模型（LVLMs）的语义推理与 SAM 3 的精确几何定位。其次，凭借这一管道，我们构建了 COCOTree，一个规模庞大的基准，包含 2.1 万张图片和 180 万个结构节点。通过拥抱超过 3500 个独特标签的开放词汇空间，它成功捕捉了复杂物理装配的长尾分布。值得注意的是，严格的人类评估确认，我们生成的注释与人类结构判断具有强大的一致性。最后，我们提出开放树质量（OTQ）指标，构建标准化的评估协议，联合评估掩码精度、标签准确性和结构一致性。我们将在 https://github.com/melonkick3090/COCOTree 上发布数据集和基准代码。
引用
@article{arxiv.2605.22068,
title = {COCOTree: A Dataset and Benchmark for Open Tree-Structured Visual Decomposition},
author = {Junhyub Lee and Seunghun Chae and Hyosu Kim},
journal= {arXiv preprint arXiv:2605.22068},
year = {2026}
}