《基础模型时代的图像分割》研究综述

文章预览

图像分割是计算机视觉领域中一个长期存在的挑战，多年来不断受到研究，经典算法如N-Cut、FCN和MaskFormer就是其中的代表。随着基础模型（Foundation Models, FMs）的兴起，现代分割方法进入了一个新纪元：要么通过适配基础模型（例如CLIP、Stable Diffusion、DINO）用于图像分割，要么开发专门的分割基础模型（如SAM）。这些方法不仅提供了卓越的分割性能，还展示了以往深度学习背景下从未见过的新分割能力。然而，当前的图像分割研究缺乏对这些进展所带来的独特特征、挑战和解决方案的详细分析。 本综述旨在填补这一空白，通过对以基础模型驱动的图像分割的前沿研究进行深入回顾，我们探讨了两大基本研究方向——通用图像分割（即语义分割、实例分割、全景分割）和可提示的图像分割（即交互式分割、参考分割、少样本分割）——并详细描述了 ………………………………