PrAda：用于文本提示分段的少样本视觉适应
计算机视觉与模式识别
2026-05-20 v1
摘要
分段图像是视觉理解的关键任务，但需要大量的像素级标注。基础模型已为在文本提示下预测新类的任务提供了新范式，无需来自目标域的标注。然而，在远离原始预训练的特定目标域上，性能会显著下降。我们研究了现有方法在此类域移情境下的错误，发现误分类而非掩码生成是主要问题。为此，我们提出了面向文本提示分段的少样本视觉适应新问题。此类适应在图像分类领域已有研究，但在分段领域尚未探讨。我们通过原型适应 (PrAda) 方法解决此任务，这是一种参数高效的方法，适用于冻结的文本提示分段模型。我们的做法结合细粒度像素特征和高层 transformer 表示学习类别特定原型，然后通过学习到的重要性因子与原始文本预测融合。此举保留了模型的零样本潜力，同时实现对新域的强适应。在五个基准数据集上的语义、实例和全景分段实验表明，PrAda 相比最先进方法和所提基线显著改进。
引用
@article{arxiv.2605.19623,
title = {PrAda: Few-Shot Visual Adaptation for Text-Prompted Segmentation},
author = {Gabriele Rosi and Fabio Cermelli and Carlo Masone and Barbara Caputo},
journal= {arXiv preprint arXiv:2605.19623},
year = {2026}
}
备注
CVPR 2026 Findings. Code: https://github.com/FocoosAI/PrAda