Tag · 4 篇
SAM2
分布 3D 视觉与重建2图像分割1视觉语言模型1
01 02 03 04
VideoMaMa：基于生成先验的掩码引导视频抠图
VideoMaMa: Mask-Guided Video Matting via Generative Prior
利用预训练视频扩散模型的生成先验，将粗分割掩码细化为像素级 alpha matte，并构建大规模伪标签视频抠图数据集，为视频抠图提供可扩展的监督信号。
SPARROW：在像素级视频多模态大模型中学习空间精度与时序指代一致性
SPARROW: Learning Spatial Precision and Temporal Referential Consistency in Pixel-Grounded Video MLLMs
针对视频 MLLM 中静态 [SEG] 词元缺乏时序上下文导致的漂移与身份切换问题，提出目标特定跟踪特征（TSF）注入时序对齐的指代线索，并用 [BOX]/[SEG] 双提示解码融合几何先验与语义定位；这套即插即用设计可直接迁移到任意视频 MLLM 的像素级指代任务上。
GeoSAM2：释放 SAM2 在三维部件分割中的能力
GeoSAM2: Unleashing the Power of SAM2 for 3D Part Segmentation
把 3D 部件分割转成多视图 2D 掩码预测，用 SAM2 加低秩适配和残差几何融合，接受点击/框提示，再把掩码反投影聚合到物体上；做 3D 分割或想复用 SAM2 先验的人可直接借鉴这套提示可控、免逐形状优化的流程。
DualSplat：通过重建失败伪掩码自举的鲁棒三维高斯泼溅
DualSplat: Robust 3D Gaussian Splatting via Pseudo-Mask Bootstrapping from Reconstruction Failures
将首轮重建失败转化为显式先验，利用光度残差、特征不匹配和 SAM2 实例边界生成伪掩码，再引导第二轮干净重建，为处理训练图像中瞬态干扰提供可复用思路。