SurfDist：基于曲面片段的可解释三维实例分割
计算机视觉与模式识别
2025-10-07 v2
摘要
我们提出了SurfDist，这是一个用于三维体积实例分割的卷积神经网络架构。SurfDist 使实例表示为由光滑参数化曲面片段组成的闭合曲面，具体为bicubic B\'ezier 三角形。SurfDist 是流行模型架构StarDist-3D 的修改版本，它打破了StarDist-3D中实例参数化维度与实例体素分辨率之间的耦合关系，产生的预测可无缝提升至任意高分辨率，而不会引入体素化误差。对于常见于生物医学成像的球形实例数据集，SurfDist 可以以更紧凑的实例参数化方式超越StarDist-3D。我们详细阐述了SurfDist的技术实现，并展示了一个合成数据集和一个真实世界数据集，两者均超越StarDist-3D。这些结果表明，可解释的实例曲面模型可以在实例成员资格方面有效地学习。
引用
@article{arxiv.2507.08223,
title = {SurfDist: Interpretable Three-Dimensional Instance Segmentation Using Curved Surface Patches},
author = {Jackson Borchardt and Saul Kato},
journal= {arXiv preprint arXiv:2507.08223},
year = {2025}
}
备注
8 pages, 6 figures