SILSM：一种用于渐进式细化的可持续交互水平集方法
计算机视觉与模式识别
2026-05-26 v1
摘要
交互式分割旨在利用稀疏的用户引导精确地隔离目标对象。然而，传统方法通常存在交互负担重和参数敏感的问题，而深度学习方法则面临数据依赖和迭代不稳定的挑战。受这些局限性的启发，我们提出了可持续交互水平集方法 (SILSM)。所提出的水平集演化方程融合了交互项、正则化项和分割项。具体来说，采用高阶正则化来维持数值稳定性，并且与传统方法不同，我们将用户引导解耦为一个独立的交互项，以实现对零水平集演化的直接手动控制。此外，我们开发了一种针对多次交互定制的数值算法，该算法通过基于顺序用户输入有效更新分割结果，促进了动态细化。我们从理论上证明，高阶项提供了比传统长度项更强的正则化约束，而交互项则确保了分割严格位于用户选定的区域内。实验结果进一步表明，所提出的方法对交互输入具有鲁棒性，在首次交互时就能达到有竞争力的性能，并支持稳定的多轮交互，且分割质量逐步提升。
引用
@article{arxiv.2605.24448,
title = {SILSM: A Sustainable Interactive Level Set Method for Progressive Refinement},
author = {Jiachen Song and Dazhi Zhang and Fanghui Song and Zhichang Guo and Shengzhu Shi},
journal= {arXiv preprint arXiv:2605.24448},
year = {2026}
}