搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏C++
【图像分割大模型】突破少样本分割瓶颈！CMaP-SAM 横空出世：收缩映射 + SAM 实现 71.1mIoU 巅峰性能
该方法不仅在 PASCAL-5ᵢ数据集上实现了 71.1mIoU、在 COCO-20ᵢ上达到 56.1mIoU 的 SOTA 性能，更从理论层面解决了 SAM 与 FSS 融合的核心矛盾。 2.2 与 SOTA 方法的性能对比 2.2.1 PASCAL-5ᵢ数据集结果在 PASCAL-5ᵢ数据集上，CMaP-SAM 无论是 1-shot 还是 5-shot 设置下，都展现出压倒性优势 -5ᵢ上达到 75.6mIoU，COCO-20ᵢ上达到 60.6mIoU，超越 PGMA-Net；使用 SAM-Huge 时（CMaP-SAM+），在 PASCAL-5ᵢ上超越 GF-SAM 2.1 2.3 消融实验：各模块的贡献分析为了明确每个核心模块的作用，团队在 PASCAL-5ᵢ数据集（fold-0）上进行了消融实验：移除收缩映射模块：1-shot mIoU 下降 1.3 实验结果表明，CMaP-SAM 在 PASCAL-5ᵢ、COCO-20ᵢ、FSS-1000 三大数据集上均取得 SOTA 性能，充分验证了其有效性和泛化能力。
28110编辑于 2026-01-14
从“单例模仿”到“多面融合”，视觉上下文学习迈向“团队协作”式提示融合
量化结果显优势在PASCAL-5ⁱ数据集上的实验表明，该方法在K=8和K=16两种设置下，性能均全面超越包括CONDENSER在内的现有方法。在分割任务上实现了5.6% 的显著性能提升。在COCO-5ⁱ数据集上训练，然后在PASCAL-5ⁱ上测试的挑战性设置中，该方法同样表现最优，证明了其学到的表示具有高度的可迁移性。
13710编辑于 2026-01-20
来自专栏arXiv每日学术速递
计算机视觉与模式识别学术速递[12.6]
我们在PASCAL-5$^i$数据集上构建NCDSS基准。大量实验证明了基本框架的可行性（平均mIoU达到49.81%）和EUMS框架的有效性（比基本框架高出9.28%mIoU）。 We build the NCDSS benchmark on the PASCAL-5$^i$ dataset.
2.4K10编辑于 2021-12-09

【图像分割大模型】突破少样本分割瓶颈！CMaP-SAM 横空出世：收缩映射 + SAM 实现 71.1mIoU 巅峰性能

从“单例模仿”到“多面融合”，视觉上下文学习迈向“团队协作”式提示融合

计算机视觉与模式识别学术速递[12.6]

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐