SCRWKV：面向拓扑裂缝分割的超紧凑结构校准 Vision-RWKV
计算机视觉与模式识别
2026-05-22 v2
摘要
实现对结构裂缝在不同场景下的像素级精确分割仍是一个巨大的挑战。现有方法在平衡裂缝拓扑建模与计算效率之间存在显著瓶颈，往往无法在高分割质量与低资源需求之间取得平衡。为此，我们提出一种超紧凑结构校准 Vision RWKV (SCRWKV)，该网络通过 novel Structure-Field Encoder (SFE) backbone 实现高精度建模，同时保持线性复杂度。SFE 集成 Adaptive Multi-scale Cascaded Modulator (AMCM) 以增强纹理表征，并利用 Structure-Calibrated Insight Unit (SCIU) 作为其核心引擎。具体而言，SCIU 采用 Geometry-guided Bidirectional Structure Transformation (GBST) 捕获拓扑相关性，并将 Dynamic Self-Calibrating Decay (DSCD) 集成到 Dy-WKV 中以抑制噪声传播。此外，我们引入轻量级 Cross-Scale Harmonic Fusion (CSHF) 解码器以实现精确特征聚合。在具有复杂纹理和严重干扰的多个基准数据集上的系统评估表明，SCRWKV 仅需 1.22M 参数，显著优于 SOTA 方法。在 TUT 数据集上实现 F1 分数为 0.8428 和 mIoU 为 0.8512，证明了该模型在高效实际部署中的稳健潜力。代码已公开于 https://github.com/zhxhzy/SCRWKV。
关键词
引用
@article{arxiv.2605.14926,
title = {SCRWKV: Ultra-Compact Structure-Calibrated Vision-RWKV for Topological Crack Segmentation},
author = {Hanxu Zhang and Chen Jia and Hui Liu and Xu Cheng and Fan Shi and Shengyong Chen},
journal= {arXiv preprint arXiv:2605.14926},
year = {2026}
}
备注
Accept by ICML2026