Polyp-SAM++：文本引导的 SAM 能否在息肉分割中表现更优？
图像与视频处理
2023-08-15 v1 计算机视觉与模式识别
摘要
Meta 近期发布了 SAM（Segment Anything Model），一种通用分割模型。SAM 在包括医学图像分割在内的多种分割任务中展现出有前景的结果。在医学图像分割领域，息肉分割具有重要地位，因此构建鲁棒且精确的模型颇具挑战。息肉分割是确保结直肠癌更好诊断与治疗的基础任务。基于此，在本研究中，我们将考察 Polyp-SAM++（一种文本提示辅助的 SAM）如何通过文本提示利用 SAM 实现鲁棒且更精确的息肉分割。我们将在基准数据集上评估文本引导 SAM 在息肉分割任务上的性能，并比较文本引导 SAM 与无提示 SAM 的结果。通过本研究，我们希望推进息肉分割领域并启发更多有趣的研究。代码及其他细节将很快发布于 https://github.com/RisabBiswas/Polyp-SAM++。
引用
@article{arxiv.2308.06623,
title = {Polyp-SAM++: Can A Text Guided SAM Perform Better for Polyp Segmentation?},
author = {Risab Biswas},
journal= {arXiv preprint arXiv:2308.06623},
year = {2023}
}