USIS16K：用于水下显著实例分割的高质量数据集
计算机视觉与模式识别
2025-07-18 v2
摘要
受生物视觉系统有选择性分配注意力以高效识别显著目标或区域的启发，水下显著实例分割（USIS）旨在解决水下场景中关注点（saliency prediction）和目标识别（instance segmentation）的联合问题。然而，由于水下环境的不可及性和动态特性，以及大规模高质量标注数据集的稀缺，USIS 仍是一个未得到充分探索的挑战。本文引入 USIS16K 数据集，包含 16,151 张高分辨率水下图像，涵盖多样化环境设置和 158 类水下目标。每张图像均标注了高质量的实例级显著目标掩码，显著提升了数据集在多样性、复杂度和规模方面的水平。此外，我们提供了在 USIS16K 上的水下目标检测和 USIS 任务的基准评估。为促进该领域的后续研究，数据集和基准模型已公开 disponible。
引用
@article{arxiv.2506.19472,
title = {USIS16K: High-Quality Dataset for Underwater Salient Instance Segmentation},
author = {Lin Hong and Xin Wang and Yihao Li and Xia Wang},
journal= {arXiv preprint arXiv:2506.19472},
year = {2025}
}
备注
8 pages 10 figures