UIS-Mamba:基于动态树扫描与隐藏状态弱化的水下实例分割 Mamba 探索
计算机视觉与模式识别
2025-08-04 v1
摘要
水下实例分割(UIS)任务对于水下复杂场景检测至关重要。Mamba 作为一种新兴的状态空间模型,具有固有的线性复杂度与全局感受野,非常适合处理具有长序列特征的图像分割任务。然而,鉴于水下场景的特殊性,将 Mamba 应用于 UIS 仍面临诸多挑战。现有固定块扫描机制在水下严重颜色失真与实例边界模糊的情况下,无法保持被扫描实例的内部连续性;同时,复杂水下背景的隐藏状态也会抑制对实例目标的理解。在本工作中,我们提出了首个基于 Mamba 的水下实例分割模型 UIS-Mamba,并设计了 Dynamic Tree Scan(DTS)与 Hidden State Weaken(HSW)两个创新模块,以将 Mamba 迁移到水下任务中。DTS 模块通过允许块动态偏移与缩放来维持实例目标内部特征的连续性,从而引导最小生成树并提供动态局部感受野。HSW 模块通过基于 Ncut 的隐藏状态弱化机制抑制复杂背景的干扰,有效将状态传播的信息流聚焦于实例本身。实验结果表明,UIS-Mamba 在 UIIS 与 USIS10K 数据集上均取得了 SOTA 性能,同时保持了较低的参数量与计算复杂度。代码已开源:https://github.com/Maricalce/UIS-Mamba。
引用
@article{arxiv.2508.00421,
title = {UIS-Mamba: Exploring Mamba for Underwater Instance Segmentation via Dynamic Tree Scan and Hidden State Weaken},
author = {Runmin Cong and Zongji Yu and Hao Fang and Haoyan Sun and Sam Kwong},
journal= {arXiv preprint arXiv:2508.00421},
year = {2025}
}
备注
ACM MM 2025