USIS-PGM: 基于光度高斯混合模型的水下显著实例分割
计算机视觉与模式识别
2026-03-18 v2
摘要
水下显著实例分割（USIS）对于海洋机器人系统至为重要，因为它既能实现水下显著物体检测，又能对视觉场景进行实例级别的掩码预测。与其陆地版本相比，USIS 更具挑战性，主要due于水下图像退化。为此，本文提出了USIS-PGM，一个用于USIS的单阶段框架。具体而言，编码器通过频率感知模块增强边界线索，并通过动态加权模块执行内容自适应特征重加权。解码器引入基于Transformer的实例激活模块，以更好地区分显著实例。此外，USIS-PGM采用从 ground-truth 掩码通过光度高斯混合（PGM）生成的多尺度高斯热力图来监督解码器的中间特征，从而提高显著实例定位精度，并产生更具结构一致性的掩码预测。实验结果表明，所提出的USIS-PGM模型在性能和实际应用性方面均表现优异。
引用
@article{arxiv.2603.13961,
title = {USIS-PGM: Photometric Gaussian Mixtures for Underwater Salient Instance Segmentation},
author = {Lin Hong and Xiangtong Yao and Mürüvvet Bozkurt and Xin Wang and Fumin Zhang},
journal= {arXiv preprint arXiv:2603.13961},
year = {2026}
}