海洋显著性分割器：基于区域级别语义知识蒸馏的对象聚焦条件扩散模型
计算机视觉与模式识别
2025-06-03 v2
摘要
海洋显著性分割(MSS)在各种基于视觉的海洋探索任务中发挥着关键作用。然而,现有的海洋分割技术因海底环境的复杂性面临对象误定位和边界不精确的困境。尽管扩散模型在视觉分割方面表现出色,但仍有潜力进一步利用上下文语义来增强区域级别显著对象的特征学习,从而提高分割效果。基于这一洞见,我们提出了DiffMSS,一种基于扩散模型的新型海洋显著性分割器,其利用语义知识蒸馏来指导海洋显著对象的分割。具体而言,我们设计了区域-词语相似度匹配机制,从文本描述中识别出显著术语。这些高层语义特征指导条件特征学习网络生成带有语义知识蒸馏的显著且准确的扩散条件。为了进一步细化独特海洋生物体的分割,我们开发了专用的共识确定性采样以抑制过度自信的误分割。全面的实验表明,DiffMSS在定性和定量评估方面优于最先进的方法。
引用
@article{arxiv.2504.02391,
title = {Marine Saliency Segmenter: Object-Focused Conditional Diffusion with Region-Level Semantic Knowledge Distillation},
author = {Laibin Chang and Yunke Wang and JiaXing Huang and Longxiang Deng and Bo Du and Chang Xu},
journal= {arXiv preprint arXiv:2504.02391},
year = {2025}
}