
本文提出了一種基於圖分析和表示學習的簡單而有效的少樣本語義分割方法，透過動態選擇點提示、基於遮罩覆蓋構建圖來聚類點和遮罩，並利用正向和過沖門控策略來優化最終預測，有效提升了基於 SAM 的少樣本語義分割的效率和準確性。


coremsg

橋接點與圖-基於圖的少樣本語義分割方法


橋接點與圖：基於圖的少樣本語義分割方法



本文提出了一種名為 DiffewS 的新框架，旨在將擴散模型應用於少樣本語義分割任務，並探討了如何有效利用預訓練擴散模型的先驗知識來提高分割性能。



本文提出了一種新的少樣本語義分割框架，利用變換器架構來改善支持和查詢圖像之間的關係理解。該框架包括空間變換解碼器、上下文掩碼生成模塊和多尺度解碼器，以提高分割精度和效率。



多尺度解碼器用於少樣本語義分割：基於變換器引導的原型生成
