ARTEMIS框架通过代理引导的时间掩码演进增强视频息肉分割

研究人员推出ARTEMIS，一个旨在通过不完美监督改进视频息肉分割的新框架。该方法利用视觉语言代理从点和涂鸦等稀疏注释中识别可靠的时间锚点，然后使用SAM2进行传播，以优化跨帧的掩码。ARTEMIS采用时间可靠性感知鲁棒学习方法来评估掩码质量并有效训练分割模型，在基准数据集上表现优于现有方法。 AI

影响 这项研究可能带来更准确、更高效的医学影像分析工具，尤其是在内窥镜检查领域。

排序理由 该项目是一篇研究论文，详细介绍了一种新的视频息肉分割方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• ARTEMIS
• arXiv
• CatalyzeX
• CVC-ClinicDB-612
• DagsHub
• Gotit.pub
• Hugging Face
• SAM2
• ScienceCast
• SUN-SEG

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →