Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.12105v1

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2509.12105v1 (cs)
[提交于 2025年9月15日 ]

标题: FS-SAM2:通过低秩适应将分割任何模型2用于少样本语义分割

标题: FS-SAM2: Adapting Segment Anything Model 2 for Few-Shot Semantic Segmentation via Low-Rank Adaptation

Authors:Bernardo Forni, Gabriele Lombardi, Federico Pozzi, Mirco Planamente
摘要: 少量样本语义分割最近引起了广泛关注。 目标是开发一种能够使用仅有的少量标注样本对未见类别进行分割的模型。 大多数现有方法通过从头开始训练额外模块来适应预训练模型。 这些方法要实现最佳性能需要在大规模数据集上进行大量训练。 Segment Anything Model 2 (SAM2) 是一个用于零样本图像和视频分割的基础模型,具有模块化设计。 在本文中,我们提出了一种基于 SAM2 的少量样本分割方法 (FS-SAM2),其中直接重新利用 SAM2 的视频功能来进行少量样本任务。 此外,我们对原始模块应用了低秩适应 (LoRA),以处理标准数据集中通常存在的多样化图像,这与 SAM2 预训练中使用的时序连接帧不同。 通过这种方法,仅需元训练少量参数,就能有效适应 SAM2,同时受益于其出色的分割性能。 我们的方法支持任何 K 次配置。 我们在 PASCAL-5$^i$、COCO-20$^i$和 FSS-1000 数据集上评估了 FS-SAM2,取得了显著的结果,并在推理过程中展示了卓越的计算效率。 代码可在 https://github.com/fornib/FS-SAM2 获取。
摘要: Few-shot semantic segmentation has recently attracted great attention. The goal is to develop a model capable of segmenting unseen classes using only a few annotated samples. Most existing approaches adapt a pre-trained model by training from scratch an additional module. Achieving optimal performance with these approaches requires extensive training on large-scale datasets. The Segment Anything Model 2 (SAM2) is a foundational model for zero-shot image and video segmentation with a modular design. In this paper, we propose a Few-Shot segmentation method based on SAM2 (FS-SAM2), where SAM2's video capabilities are directly repurposed for the few-shot task. Moreover, we apply a Low-Rank Adaptation (LoRA) to the original modules in order to handle the diverse images typically found in standard datasets, unlike the temporally connected frames used in SAM2's pre-training. With this approach, only a small number of parameters is meta-trained, which effectively adapts SAM2 while benefiting from its impressive segmentation performance. Our method supports any K-shot configuration. We evaluate FS-SAM2 on the PASCAL-5$^i$, COCO-20$^i$ and FSS-1000 datasets, achieving remarkable results and demonstrating excellent computational efficiency during inference. Code is available at https://github.com/fornib/FS-SAM2
评论: 已被ICIAP 2025接收
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2509.12105 [cs.CV]
  (或者 arXiv:2509.12105v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.12105
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Bernardo Forni [查看电子邮件]
[v1] 星期一, 2025 年 9 月 15 日 16:32:31 UTC (4,974 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号