FreeVPS: 重用无训练的 SAM2 实现通用视频结肠炎肿瘤分割
计算机视觉与模式识别
2025-08-28 v1
摘要
现有的视频结肠炎肿瘤分割 (VPS) 方法通常难以在时空建模和域泛化之间取得平衡，限制了其在实际临床场景中的应用。为迎合这一挑战，我们将 VPS 任务重构为基于跟踪的检测范式，利用图像结肠炎肿瘤分割 (IPS) 模型捕获的空间上下文，同时整合分段什么模型 2 (SAM2) 的时序建模能力。然而，在结肠镜视频的长期结肠炎肿瘤跟踪中，SAM2 会因误差积累导致雪崩效应，影响分割稳定性。我们通过两个无训练模块来缓解此问题：内关联过滤模块消除检测阶段产生的空间误差，减少误报； inter-associations 细化模块自适应更新记忆库，防止误差随时间传播，增强时序一致性。这两个模块协同工作，稳定 SAM2，在内域和外域场景中均实现了最前沿性能。此外，我们展示了 FreeVPS 在长篇无剪辑结肠镜视频中的稳健跟踪能力，凸显其潜在的可靠临床分析价值。
引用
@article{arxiv.2508.19705,
title = {FreeVPS: Repurposing Training-Free SAM2 for Generalizable Video Polyp Segmentation},
author = {Qiang Hu and Ying Zhou and Gepeng Ji and Nick Barnes and Qiang Li and Zhiwei Wang},
journal= {arXiv preprint arXiv:2508.19705},
year = {2025}
}