OBSeg：基于分割基础模型与定向边界框提示的精确快速实例分割框架
计算机视觉与模式识别
2025-12-01 v6
摘要
遥感图像中的实例分割是一个长期挑战。由于水平边界框会引入许多干扰对象，通常使用定向边界框（OBB）进行实例识别。然而，基于“边界框内分割”范式，当前使用 OBB 的实例分割方法过度依赖边界框检测性能。为解决此问题，本文提出 OBSeg，一种使用 OBB 的精确快速实例分割框架。OBSeg 基于框提示分割基础模型（BSM），例如 Segment Anything Model。具体而言，OBSeg 首先检测 OBB 以区分实例并提供粗略定位信息，然后预测与 OBB 提示相关的掩码以实现精细分割。由于 OBB 仅作为提示，OBSeg 缓解了当前使用 OBB 的实例分割方法对边界框检测性能的过度依赖。得益于 OBB 提示，OBSeg 优于其他使用水平边界框的当前 BSM 方法。此外，为使 BSM 能够处理 OBB 提示，我们提出一种新颖的 OBB 提示编码器。为使 OBSeg 更轻量化并进一步提升轻量蒸馏 BSM 的性能，引入一种基于高斯平滑的知识蒸馏方法。实验表明，OBSeg 在多个数据集上的实例分割精度优于当前实例分割方法，且推理速度具有竞争力。代码见 https://github.com/zhen6618/OBBInstanceSegmentation。
引用
@article{arxiv.2401.08174,
title = {OBSeg: Accurate and Fast Instance Segmentation Framework Using Segmentation Foundation Models with Oriented Bounding Box Prompts},
author = {Zhen Zhou and Junfeng Fan and Yunkai Ma and Sihan Zhao and Fengshui Jing and Min Tan},
journal= {arXiv preprint arXiv:2401.08174},
year = {2025}
}