仅用一个样本进行分割

语义分割是计算机视觉中的重要课题，在地球观测领域有诸多相关应用。虽然存在监督方法，但标注数据有限的约束推动了无监督方法的发展。然而，现有的无监督方法类似于聚类，无法直接映射到显式的目标类别。本文研究单次语义分割，即为目标类别提供一个样本，利用该样本从查询/测试图像中分割出目标类别。我们的方法利用近期流行的 Segment Anything (SAM)，一种可提示的基础模型。我们专门设计了多种技术，能够从唯一的示例/关键图像自动生成提示，使得在示例/关键图像与查询/测试图像的拼接或拼接连接上成功实现分割。所提出的技术不涉及任何训练阶段，仅需一个示例图像即可掌握概念。此外，所提出的方法不需要任何基于文本的提示。我们在建筑物和汽车类别上评估了所提出的技术。