本研究提出了一种基于 Synchronous Multi-Modal Fusion Module 和 Hierarchical Cross-Modal Aggregation Module 的引用图像分割模型，并通过四个基准数据集的实验验证了其性能优于现有最先进的方法。

Apr, 2021

通过引入互感关注机制来强化交叉模态融合，提出了一种新的参考图像分割方法 MARIS，借助于 Segment Anything Model (SAM)，通过两个并行分支，Vision-Guided Attention 和 Language-Guided Attention，双向建模视觉与语言特征之间的关系，并设计了一个 Mask Decoder 来实现明确的语言引导，以达到更一致的分割效果。

Nov, 2023

引用远程感应图像分割（RRSIS）是一个将计算机视觉和自然语言处理相结合的新挑战，根据文本查询在航空图像中划定特定区域。为了解决此挑战，我们引入了旋转多尺度交互网络（RMSIN），它包含了用于处理多尺度细节的内尺度交互模块（IIM）和用于在网络中一致地整合这些细节的跨尺度交互模块（CIM），此外，RMSIN 还采用适应性旋转卷积（ARC）来考虑物体的多样方向，极大地提高了分割准确性。通过对包含 17,402 个图像 - 标题 - 掩模三元组的数据集进行实验评估，RMSIN 表现出了超出现有最先进模型很大的性能优势。

Dec, 2023

通过引入 Mask Grounding 辅助任务和跨模态对齐损失以及对应的对齐模块，提出了一种用于改善参照图像分割算法的综合方法 MagNet。该方法通过教授模型学习掩蔽文本标记与匹配的视觉对象之间的细粒度对应关系，在 RefCOCO、RefCOCO + 和 G-Ref 等三个关键基准测试中显著优于现有算法，有效地解决了当前参照图像分割算法的局限性。

Dec, 2023

本文旨在解决 参考图像分割 (RIS) 中当图像中被参考的物体视觉线索不足时，学习匹配行为变得更困难的问题，提出了一种两阶段视觉提示增强网络 (TV-Net)，可以有效增强参考物体的视觉信息，尤其是在视觉线索不足的情况下。并且通过在四个基准数据集上的实验，验证了所提出的 TV-Net 方法有效性并超越了现有技术的水平。

Oct, 2021

本文提出引用遥感图像分割 (RRSIS) 来填补遥感图像分割这一领域的研究空白，并针对存在的问题设计了一种基于语言导向的跨尺度增强 (LGCE) 模块，该模块能够自适应地结合深浅特征，从而更好地实现目标物体的定位。

Jun, 2023

由于高分辨率遥感卫星的发展，遥感相关研究工作获得了极大的便利。SAM 引入了一种普适的预训练模型用于图像分割任务，但是直接应用于遥感图像分割任务效果欠佳。为此，我们提出了 RSAM-Seg，即在 SAM 的基础上进行了适应性修改，消除了对手动干预提供提示的需求。在 SAM 的编码器部分的多头注意力块中，我们提出了 Adapter-Scale 和 Adapter-Feature 模块，它们旨在将高频图像信息和图像嵌入特征融入生成的图像引导提示中。在包括云检测、场地监测、建筑物检测和道路制图任务的四个不同遥感场景上进行了实验证明，RSAM-Seg 不仅改善了原始 SAM 和 U-Net 在云、建筑物、场地和道路场景中的效果，还突出了其作为辅助注释方法的潜力，可以识别某些数据集的真实值中的缺失区域。此外，在少样本情况下的表现也值得称赞，凸显了其在处理有限数据集时的潜力。

Feb, 2024

该研究使用语义信息建立了 “语义区域关系模型”（SRRM），并将其与 PlacesCNN 模块相结合，在 MIT Indoor 67，reduced Places365 数据集和 SUN RGB-D 等数据集上展示了显著的性能优势。

May, 2023

本文提出了一种名为 CM-MaskSD 的跨模态掩膜自学习框架，利用被称为 CLIP 模型的知识实现了精细的图像 - 文本对齐，并引入少量参数协调多模态特征，使其在三个基准数据集上优于现有方法，实现了对指定图像中物体的分割。

May, 2023

提出了一种新的参考图像分割方法，通过增加明确关键提示和多模态融合聚合模块，提高了其泛化能力和处理未见过的场景的能力。

Dec, 2023