.png){kind=icon}
返回
MST: Adaptive Multi-Scale Tokens Guided Interactive Segmentation
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSVT.2025.3546634.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
交互式分割因其应用于人机交互和数据标注而获得了广泛关注。为解决交互式分割中目标尺度变化的问题，我们提出了一种新颖的多尺度token融合算法。该算法选择性地融合最重要的token，使模型能更好地捕捉重要区域的多尺度特征。为进一步增强多尺度token选择的鲁棒性，我们引入了一种基于对比损失的token学习算法。该算法充分利用目标与背景多尺度token间的判别信息，有效提升了所选拓展token的质量。广泛的基准测试表明，我们的方法在解决多尺度问题上具有有效性。代码和数据已在https://github.com/hahamyt/mst上公开。
Keyword:
Interactive segmentation
human-computer interaction
multi-scale token fusion
contrastive loss
期刊
IF:
11.1
论文数:
846
被引数:
3.1W
机构
引用论文
Rethinking Interactive Image Segmentation with Low Latency, High Quality, and Diverse Prompts.png)
IF0
PREAI
分享收藏
A fully convolutional two-stream fusion network for interactive image segmentationNEURAL NETWORKS
OAAI
NEURAL NETWORKSIF6.3
OAAI分享收藏分享收藏
查看更多内容