MAIS：面向交互式分割的记忆注意力机制
计算机视觉与模式识别
2025-05-13 v1 人工智能
机器学习
摘要
交互式医学分割通过用户反馈对预测进行细化，从而降低标注成本。基于视觉Transformer（ViT）的模型，如Segment Anything Model（SAM），以用户点击和先验掩码作为提示，实现了最先进的性能。然而，现有方法将交互事件视为独立处理，导致冗余纠正和有限的细化收益。为此，我们提出MAIS（Memory-Attention for Interactive Segmentation），一种面向交互式分割的记忆注意力机制，通过存储过去的用户输入和分割状态，实现时序上下文的集成。该方法提升了ViT基分割模型在多种成像模态上的效率与准确性。
引用
@article{arxiv.2505.07511,
title = {MAIS: Memory-Attention for Interactive Segmentation},
author = {Mauricio Orbes-Arteaga and Oeslle Lucena and Sabastien Ourselin and M. Jorge Cardoso},
journal= {arXiv preprint arXiv:2505.07511},
year = {2025}
}