图像分割 / CVPR2026
D-Convexity:面向数据驱动图像分割的、基于拟凹性的统一可微凸形状先验
D-Convexity: A Unified Differentiable Convex Shape Prior via Quasi-Concavity for Data-driven Image Segmentation
把凸性先验转成无需阈值的可微卷积损失(基于拟凹性与超水平集凸性),可直接嵌入任意分割网络输出端,用于视网膜血管等管状/凸结构分割的形状正则化,替代离散线约束或图割凸性建模。
凸形状先验可微损失函数水平集方法