CrackSegFlow：用于可泛化裂缝分割的可控流匹配合成方法
计算机视觉与模式识别
2026-01-13 v3
摘要
缺陷分割是基于计算机视觉的基础设施资产检查中至关重要的任务，但由于稀缺的像素级标签和环境间的域迁移，其部署仍受限。我们引入 CrackSegFlow，一种可控流匹配合成方法，可从掩码生成与像素级对齐的合成裂缝图像。我们的渲染器结合拓扑保持的掩码注入和边缘门控，以维持细小结构的连续性。类别条件 FM 对掩码进行采样以实现拓扑多样性，CrackSegFlow 从这些掩码渲染出对齐的ground truth图像。我们进一步将裂缝注入无裂缝背景中，以多样化混合因子并减少误报。我们在五个数据集上使用 CNN-Transformer 骨干网络，结果显示添加合成数据对原地性能提升 +5.37 mIoU 和 +5.13 F1 分，而目标导向的跨域合成通过目标掩码统计量驱动，分别提升 +13.12 mIoU 和 +14.82 F1。我们还发布了 CSF-50K 数据集，包含 50,000 张图像-掩码对。
引用
@article{arxiv.2601.03637,
title = {CrackSegFlow: Controllable Flow Matching Synthesis for Generalizable Crack Segmentation with a 50K Image-Mask Benchmark},
author = {Babak Asadi and Peiyang Wu and Mani Golparvar-Fard and Ramez Hajj},
journal= {arXiv preprint arXiv:2601.03637},
year = {2026}
}