StAR：基于推理的分段感知
计算机视觉与模式识别
2026-03-17 v1
摘要
随着 AI 系统更快地集成到日益多样化和复杂的真实世界环境中，执行对隐式查询和图像进行整体推理以定位目标的能力变得越来越重要。然而，最近的推理分割方法未能充分发挥基础模型的视觉推理能力。在本工作中，我们提出了分段感知推理器 (Segment Anything Reasoner, StAR)，是一个从多个角度不断完善设计空间的综合框架，包括参数调优方案、奖励函数、学习策略和答案格式，从而在最新基线上实现显著提升。此外，首次成功地将并行测试时扩展引入分割任务中，进一步推动了性能边界。为扩展现有基准的范围和深度，我们还构建了 ReasonSeg-X 数据集，该数据集紧凑地定义了推理类型，并包含需要更深层推理的样本。利用该数据集，我们采用 rollout 扩展的选择性调优方法激活基础模型的潜在推理能力，并为系统性、细粒度的方法评估建立了严格的基准。在仅 5000 条训练样本的情况下，StAR 在广泛的基准测试中相对于其基础模型实现了显著的性能提升，表明该方法有效地将潜在的推理能力唤醒。
引用
@article{arxiv.2603.14382,
title = {StAR: Segment Anything Reasoner},
author = {Seokju Yun and Dongheon Lee and Noori Bae and Jaesung Jun and Chanseul Cho and Youngmin Ro},
journal= {arXiv preprint arXiv:2603.14382},
year = {2026}
}
备注
Code: https://github.com/ysj9909/StAR