分布决定一切：基于形状分布的形状特定混合专家用于多样遮挡下的无遮挡分割

无遮挡分割旨在预测完整的对象掩码，覆盖可见区域和被遮挡区域。该任务因复杂遮挡和极端形状变化（从刚性家具到高度可变形的服装）而面临重大挑战。现有单一方法依赖单一模型处理所有形状类型，难以捕捉和推理多样的无遮挡形状 due to limited representation capacity。自然的解决方案是采用混合专家(MoE)框架，将专家分配给不同的形状模式。然而，若不考虑对象的底层形状分布，盲目应用MoE会导致专家路由不匹配和专家专化不足，引发冗余或未被充分利用的专家。为此，我们引入ShapeMoE——一个面向无遮挡分割的形状特定稀疏混合专家框架。核心思想是学习潜在形状分布空间，动态将每个对象路由到其形状特征最合适的轻量专家。具体而言，ShapeMoE将每个对象编码为紧凑的高斯嵌入，以捕捉关键形状特征。随后，形状感知稀疏路由器将对象映射到最合适的专家，实现精准且高效的形状感知专家路由。每个专家设计为轻量且专注于特定形状模式的被遮挡区域预测。ShapeMoE通过清晰的形状到专家对应关系提供良好的可解释性，同时保持高效能与高容量。在COCOA-cls、KINS和D2SA上的实验表明，ShapeMoE在无遮挡区域分割上持续优于最先进的方法，尤其在遮挡区域分割方面表现突出。代码将公开发布。