DC-TTA：面向交互式分割的划分-征服测试时适应框架
计算机视觉与模式识别
2026-04-15 v2
摘要
交互式分割（IS）允许用户通过最小提示（如正负点击）迭代细化对象边界。虽然 Segment Anything Model（SAM）因其可提示分割能力在 IS 社区受到关注,但它在专业领域或处理复杂情景（如伪装或多部件对象）时常常力不从。为克服这些挑战,本文提出 DC-TTA, 一个新颖的测试时适应（TTA）框架,通过利用用户交互作为监督信息在样本级别上适应 SAM。我们不强制单一模型一次性整合所有用户点击,而是将点击划分为更具一致性的子集,每个子集通过独立的 TTA 进行处理。这种划分-征服策略减少了来自不同提示之间的冲突,并实现更局部化的更新。最后,我们合并适应后的模型以形成统一的预测器,集成来自每个子集的专门化知识。跨多个基准的实验结果表明,DC-TTA 在 SAM 的零射出结果和常规 TTA 方法上显著优于后者,有效处理如伪装对象分割等复杂任务,需更少交互且准确率更高。
引用
@article{arxiv.2506.23104,
title = {DC-TTA: Divide-and-Conquer Framework for Test-Time Adaptation of Interactive Segmentation},
author = {Jihun Kim and Hoyong Kwon and Hyeokjun Kweon and Wooseong Jeong and Kuk-Jin Yoon},
journal= {arXiv preprint arXiv:2506.23104},
year = {2026}
}
备注
accepted at ICCV 2025