Tag · 4 篇
弱监督分割
SAMIX：以语义适配器与参考选择策略强化 SAM2 用于混合监督分割
SAMIX: Reinforcing SAM2 with Semantic Adapter and Reference Selecting Policy for Mix-Supervised Segmentation
把 SAM2 通过轻量语义适配器改造成语义感知伪标签生成器，并用强化学习训练的 SPNet 为每张查询图像检索语义相关且互补的参考图像-掩码对作为密集上下文提示，这一「参考检索 + 可验证奖励」的伪标签提纯思路可直接迁移到任何需要从弱标注或无标注数据中挖掘高质量掩码的半监督/弱监督分割流程。
重新审视完全精度的必要性：面向错位建筑标签的弱监督目标级偏移校正
Revisiting the Necessity of Full Accuracy: Weakly Supervised Object-Level Offset Correction for Misaligned Building Labels
针对标注与影像存在空间错位时分割性能下降的问题，提供了一套可复用的两阶段流程：先用先验正则化的自对齐生成高置信度的目标级偏移伪标签，再训练实例级偏移回归模型来精修标签；可直接用于遥感建筑分割等存在标注错位的数据集构建与域自适应。
重新审视框监督：无偏的弱监督医学图像分割
Rethinking Box Supervision: Bias-Free Weakly Supervised Medical Segmentation
把边界框监督中的框形偏置显式建模为「掩码→框」对齐变换，并配合多尺度一致性自监督，这套训练期即插即用模块可直接迁移到任何只有框标注的密集预测任务（如病灶分割、伪装目标分割），且推理零开销。
桥接 RGB 与苏木精分量：面向点监督细胞核分割的交错引导与融合框架
Bridging RGB and Hematoxylin Components: An Interleaved Guidance and Fusion Framework for Point Supervised Nuclei Segmentation
在仅有单点标注的弱监督设定下，用 RGB 与苏木精分量双表示互补融合、并以点引导注意力在分割与核预测之间双向精化，为病理图像中降低标注成本的密集预测提供了可复用的双分支互引导范式。