研究人员提出了一种名为概念引导的上下文内分割（CG-ICS）的新方法，以提高上下文内分割模型的鲁棒性。该方法利用多模态大语言模型（MLLM）从参考图像中提取高级语义概念，而不是仅仅依赖低级视觉匹配。CG-ICS系统使用这些概念以及视觉示例来激活一个冻结的SAM3骨干网络进行分割。实验表明，CG-ICS不仅达到了最先进的准确性，而且通过减少不同参考选择下的分割结果方差，显著增强了鲁棒性。 AI
影响 这项研究可能为图像分割任务带来更可靠的AI系统，尤其是在参考数据有限的情况下。
排序理由 该集群包含一篇详细介绍上下文内分割新方法的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.28149v1 Announce Type: cross Abstract: In-context segmentation (ICS) requires a model to segment target regions in a query image using only a few reference images and their corresponding masks, without updating any parameters. Despite recent progress, prior ICS studies…
In-context segmentation (ICS) requires a model to segment target regions in a query image using only a few reference images and their corresponding masks, without updating any parameters. Despite recent progress, prior ICS studies have largely overlooked a critical aspect: system…