SAM3 能否用于病理图像分割？
计算机视觉与模式识别
2026-05-20 v3 人工智能
摘要
Segment Anything Model 3（SAM3）在分割任何病理图像方面具有能力吗？数字病理图像分割涵盖组织水平和细胞核水平，传统方法常因高标注成本和泛化性差的问题。SAM3 引入了可提示概念分割，提供了通过文本提示实现的潜在自动化界面。本工作提出了一个系统化的评估方案，以结构化方式探索 SAM3 在病理图像分割中的能力空间。具体而言，我们在不同的监督设置下评估 SAM3，包括零样本、少样本和有监督，并采用不同的提示策略。我们的在 NuInsSeg、PanNuke 和 GlaS 等病理数据集上的广泛评估结果显示：（1）文本唯一提示难以激活核概念；（2）性能对视觉提示类型和预算高度敏感；（3）少样本学习可带来提升，但 SAM3 对视觉提示噪声鲁棒性不足；（4）提示式使用与基于任务训练的适配器方法之间仍存在显著差距。本研究描绘了 SAM3 在病理图像分割中的边界，并为病理学领域适配的必要性提供了实用指导。
引用
@article{arxiv.2604.18225,
title = {Is SAM3 ready for pathology segmentation?},
author = {Qiuyu Kong and Shakiba Sharifi and Yiming Wang and Marco Cristani and Zanxi Ruan},
journal= {arXiv preprint arXiv:2604.18225},
year = {2026}
}
备注
accept to icip2026