基于Foundation分割模型与文本到图像注意力的零样态层次植物分割
计算机视觉与模式识别
2025-12-22 v3
摘要
Foundation分割模型能够在无需训练（即零样态）的情况下从顶视作物图像中实现较好的叶片实例提取。然而，对由多个重叠叶片组成的整个植物个体进行分割仍然具有挑战性，这被称为层次分割任务，通常需要标注训练数据集，而这些数据集往往是物种特定的，需要大量人工标注。为此，我们引入ZeroPlantSeg，一种用于从顶视图像中对 Rosette 形植物个体进行零样态分割的方法。我们集成Foundation分割模型提取叶片实例，和视觉语言模型推理植物结构，以无需额外训练的方式提取植物个体。评估在包含多种植物物种、生长阶段和拍摄环境的数据集上，表明该方法优于现有零样态方法，在跨域性能上也优于监督方法。实现代码已公开于 https://github.com/JunhaoXing/ZeroPlantSeg。
关键词
引用
@article{arxiv.2509.09116,
title = {Zero-shot Hierarchical Plant Segmentation via Foundation Segmentation Models and Text-to-image Attention},
author = {Junhao Xing and Ryohei Miyakawa and Yang Yang and Xinpeng Liu and Risa Shinoda and Hiroaki Santo and Yosuke Toda and Fumio Okura},
journal= {arXiv preprint arXiv:2509.09116},
year = {2025}
}
备注
WACV 2026 Accepted