基于孪生网络的交互式实例标注
计算机视觉与模式识别
2025-05-07 v1
摘要
标注实例掩码是一项耗时且劳动密集的工作。一种有前景的解决方案是使用深度学习模型预测轮廓，然后允许用户进行细化。然而，大多数现有方法侧重于域内场景，这限制了它们在跨域标注任务中的有效性。在本文中，我们提出了 SiamAnno，这是一个受孪生网络在目标跟踪中应用启发的框架。SiamAnno 利用单样本学习来标注先前未见过的对象，它以边界框作为输入并预测对象边界，然后可由标注者进行调整。在一个数据集上训练并在另一个数据集上测试而无需微调，SiamAnno 在多个数据集上取得了最先进（SOTA）的性能，展示了其在跨域任务中处理领域和环境变化的能力。我们还提供了比先前工作更全面的结果，为未来研究建立了一个强大的基线。据我们所知，SiamAnno 是首个探索孪生架构用于实例标注的模型。
引用
@article{arxiv.2505.03184,
title = {Interactive Instance Annotation with Siamese Networks},
author = {Xiang Xu and Ruotong Li and Mengjun Yi and Baile XU and Furao Shen and Jian Zhao},
journal= {arXiv preprint arXiv:2505.03184},
year = {2025}
}