SRSNetwork：基于动态参数卷积的孪生重建-分割网络
计算机视觉与模式识别
2025-09-16 v2
摘要
动态卷积表现出卓越的表示能力，这对于自然图像分割至关重要。然而，由于数据有限和拟合能力有限，将其应用于医学图像分割（MIS）和红外小目标分割（IRSTS）时会失败。在本文中，我们提出了一种称为动态参数卷积（DPConv）的新型动态卷积，它表现出优越的拟合能力，并且能够在重建任务中高效利用编码器深层的特征来生成适应输入变化的 DPConv 核。此外，我们观察到基于从重建任务导出的深层特征构建的 DPConv 显著增强了下游分割性能。我们将与由重建网络生成的 DPConv 集成的分割网络称为孪生重建-分割网络（SRS）。我们在包括五个医学数据集和两个红外数据集在内的七个数据集上进行了大量实验，实验结果表明我们的方法比最近提出的几种方法表现出更优越的性能。此外，在未见模态下的零样本分割证明了 DPConv 的泛化能力。代码可在 https://github.com/fidshu/SRSNet 获取。
引用
@article{arxiv.2312.01741,
title = {SRSNetwork: Siamese Reconstruction-Segmentation Networks based on Dynamic-Parameter Convolution},
author = {Bingkun Nian and Fenghe Tang and Jianrui Ding and Jie Yang and Zhonglong Zheng and Shaohua Kevin Zhou and Wei Liu},
journal= {arXiv preprint arXiv:2312.01741},
year = {2025}
}
备注
Accepted by IEEE Transactions on Image Processing (IEEE-TIP)