PASTA：视觉 Transformer 补丁聚合用于弱监督目标与异常分割
计算机视觉与模式识别
2026-04-14 v1 机器学习
摘要
检测非结构化环境中的未知异常是工业和农业应用（如材料回收和除草）的关键挑战。现有感知系统因依赖详尽标注数据集，常未能满足这些领域的严格运行要求， Specifically 包括实时处理、像素级分割精度和鲁棒准确率。为此，我们提出了名为 Patch Aggregation for Segmentation of Targets and Anomalies（PASTA）的弱监督管线，用于目标和异常的分割与分类。PASTA 通过分析自监督视觉 Transformer（ViT）特征空间中的分布差异，识别目标和异常对象。我们的管线利用语义文本提示通过 Segment Anything Model 3 指导零样对象分割。评估在定制的钢铁屑回收数据集和植物数据集上进行，显示我们的方案较领域特定基线训练时间缩短 75.8%。尽管具有域无关性，我们的方法在工业和农业领域实现了优异的目标（最高达 88.3% IoU）和异常（最高达 63.5% IoU）分割性能。
关键词
引用
@article{arxiv.2604.09701,
title = {PASTA: Vision Transformer Patch Aggregation for Weakly Supervised Target and Anomaly Segmentation},
author = {Melanie Neubauer and Elmar Rueckert and Christian Rauch},
journal= {arXiv preprint arXiv:2604.09701},
year = {2026}
}