SAMamba3D：将 Segment Anything 适用于多相孔隙图像的通用 3D 分割
计算机视觉与模式识别
2026-05-05 v1
摘要
可靠地分割多相孔隙 X 射线图像对于量化流体饱和度、连通性和界面几何至关重要。然而，当前的 3D 分割方法通常针对特定数据集设计，需要在岩石类型、流体模式、扫描仪或获取条件变化时进行重新训练或广泛微调。基座模型如 Segment Anything Model（SAM）提供强大的 2D 边界先验，但无法直接应用于 3D 数据。我们提出 SAMamba3D，一个参数高效的框架，通过将其与 Mamba 基于体积的上下文建模和渐进式跨尺度特征交互耦合，适应大部分冻结的 SAM 编码器以实现通用的 3D 孔隙图像分割。对于不同的盐石和碳酸盐数据集，SAMamba3D 在匹配或超越当前 3D 基线方法的同时，大大减少了特定情况的重新训练需求。生成的分割图像保留了物理上有意义的描述符，包括流体饱和度、连通性和界面形貌，使对大规模 3D 多相图像的更可靠和快速分析成为可能。
引用
@article{arxiv.2605.00916,
title = {SAMamba3D: adapting Segment Anything for generalizable 3D segmentation of multiphase pore-scale images},
author = {Rui Zhang and Xianzhi Song and Linqi Zhu and Branko Bijeljic and Gensheng Li and Martin J. Blunt},
journal= {arXiv preprint arXiv:2605.00916},
year = {2026}
}
备注
Code available at https://github.com/ImperialCollegeLondon/SAMamba-3D