UW-VOS：用于水下视频对象分割的大规模数据集

水下视频对象分割 (VOS) 对于海洋探索至关重要，但由于颜色失真、低对比度和普遍的伪装，露天方法的性能显着下降。主要障碍是缺乏高质量的训练数据。为了弥补这一差距，我们引入了 $\textbf{UW-VOS}$，这是第一个大规模水下 VOS 基准，包括 409 个类别的 1,431 个视频序列和 309,295 个掩模注释，通过半自动数据引擎构建并经过严格的人工验证。我们进一步提出$\textbf{SAM-U}$，一个参数高效的框架，使 SAM2 适应水下领域。通过将轻量级适配器插入图像编码器，SAM-U 只需 $\sim$2$\%$ 可训练参数即可实现最先进的性能。大量实验表明，现有方法在 UW-VOS 上平均下降 13 点 $\mathcal{J}\&\mathcal{F}$，而 SAM-U 有效地弥补了这一领域差距。基于详细属性的分析进一步确定了小目标、伪装和退出-再入等关键瓶颈，为未来鲁棒水下感知的研究提供了路线图。