Jul, 2024

CycleSAM: 使用循环一致性特征匹配推动 SAM 的单次手术场景分割

TL;DRCycleSAM 是一种用于一次性手术场景分割的方法,利用测试时的训练图像 - 掩码对自动识别与每个对象类别对应的测试图像中的点,并用于提示 Segment-Anything Model 生成对象掩码。通过引入新的空间循环一致性约束来产生高保真度的匹配,并通过在自监督学习中使用在手术图像上预训练的 ResNet50 编码器来解决领域差异,从而保持高标记效率。在两个不同的手术语义分割数据集上评估 CycleSAM 的一次性分割,结果全面优于基准方法,达到了完全监督性能的 50%。