SPLF-SAM：用于光场显著物体检测的自提示分割模型
计算机视觉与模式识别
2025-08-28 v1
摘要
分割模型（SAM）在解决光场显著物体检测（LF SOD）方面展现出惊人的能力。然而，大多数现有模型在该任务下忽略了对提示信息的提取。同时，传统模型忽略了频域信息的分析，导致小目标被噪声淹没。本文提出了一种新型模型，称为自提示光场分割模型（SPLF-SAM），配备统一的多尺度特征嵌入块（UMFEB）和多尺度自适应滤波适配器（MAFA）。UMFEB能够识别大小各异的多个目标，而MAFA通过学习频率特征有效防止小目标被噪声淹没。大量实验表明，我们的方法在十种最先进（SOTA）LF SOD方法中具有优势。我们的代码将在 https://github.com/XucherCH/splfsam 上提供。
引用
@article{arxiv.2508.19746,
title = {SPLF-SAM: Self-Prompting Segment Anything Model for Light Field Salient Object Detection},
author = {Qiyao Xu and Qiming Wu and Xiaowei Li},
journal= {arXiv preprint arXiv:2508.19746},
year = {2025}
}