层次频率提示SAM用于高效海洋动物分割
计算机视觉与模式识别
2026-03-16 v1
摘要
海洋动物分割（MAS）旨在从复杂的海洋环境中识别和分割海洋动物。大多数以深度学习为基础的MAS方法在长程建模方面存在困难。最近，Segment Anything Model (SAM) 在通用图像分割领域受到广泛关注。然而，它缺乏对细粒度细节和频率信息的感知能力。为此，我们提出了一种名为层次频率提示SAM（HFP-SAM）的新型学习框架，用于高性能MAS。首先，我们设计了频率引导适配器（FGA），通过频率域先验掩码高效地将海洋场景信息注入冻结的SAM主干网络。此外，我们引入了频率感知点选择（FPS），通过频率分析生成突出区域。这些区域与SAM的粗糙预测结合，以生成点提示并集成到SAM的解码器中以获得细粒度预测。最后，为获得全面分割掩码，我们引入了全视Mamba（FVM），以线性计算复杂度高效提取空间和通道上下文信息。在四个公开数据集上的大量实验表明，我们方法的卓越性能。源码已公开于 https://github.com/Drchip61/TIP-HFP-SAM。
引用
@article{arxiv.2603.12708,
title = {HFP-SAM: Hierarchical Frequency Prompted SAM for Efficient Marine Animal Segmentation},
author = {Pingping Zhang and Tianyu Yan and Yuhao Wang and Yang Liu and Tongdan Tang and Yili Ma and Long Lv and Feng Tian and Weibing Sun and and Huchuan Lu},
journal= {arXiv preprint arXiv:2603.12708},
year = {2026}
}
备注
Accepted by TIP2026. More modifications may be performed