用语言掩码分割任意事件

Seungjun Lee; Gim Hee Lee

用语言掩码分割任意事件

计算机视觉与模式识别 2026-02-02 v1

作者: Seungjun Lee , Gim Hee Lee

摘要

场景理解在自由形式语言下已在多种模态中得到广泛探索，包括图像、点云和 LiDAR。然而，针对事件传感器的相关研究寥寥或仅限于语义层次理解。我们引入 SEAL，即第一个语义感知分割任意事件框架，解决开放词汇事件实例分割问题。给定视觉提示，我们的模型提供统一框架以支持事件分割和开放词汇掩码分类，包括实例级和部件级。为充分评估 OV-EIS，我们策划了四个基准，覆盖从粗到细的标签粒度以及从实例级到部件级的语义粒度。大量实验表明，SEAL 在性能和推理速度方面显著优于提出的基线，采用参数高效架构。在附录中，我们进一步呈现一个简单变体，实现不依赖用户视觉提示的通用时空 OV-EIS。请访问我们的项目页面 https://0nandon.github.io/SEAL

关键词

事件分割开放词汇实例分割 SEAL 语义感知多粒度

引用

@article{arxiv.2601.23159,
  title  = {Segment Any Events with Language},
  author = {Seungjun Lee and Gim Hee Lee},
  journal= {arXiv preprint arXiv:2601.23159},
  year   = {2026}
}

备注

ICLR 2026. Project Page: https://0nandon.github.io/SEAL

用语言掩码分割任意事件

摘要

关键词

引用

备注

相关论文