研究人员开发了一种名为语义边缘响应解码（SERD）的新方法，以改进基础设施检测中的裂缝分割。该技术利用SAM3基础模型的内部语义响应，这些响应比其最终掩码输出更能更好地捕捉连续裂缝证据。SERD将这些响应解释为裂缝似然场，并使用边缘先验进行细化，从而在无需任何特定任务标注或微调的情况下生成掩码。实验表明，SERD的性能显著优于原生SAM3和其他零样本分割方法，在裂缝IoU方面提高了4.63个点。 AI
影响 提高了对细长和碎片化物体进行零样本分割的能力，可能增强基础设施检测和健康评估。
排序理由 这是一篇详细介绍图像分割新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.12292v1 Announce Type: new Abstract: Crack segmentation is essential for infrastructure inspection and structural health assessment, but existing high-performance methods typically require task-specific pixel-level annotations and training. Text-promptable vision found…
Crack segmentation is essential for infrastructure inspection and structural health assessment, but existing high-performance methods typically require task-specific pixel-level annotations and training. Text-promptable vision foundation models enable zero-shot deployment, yet th…