论文
SAM3 Self-蒸馏 用于细粒度 GOOSE 2D 语义分割
SAM3 Self-Distillation for Fine-Grained GOOSE 2D Semantic Segmentation
摘要
我们描述了我们在 ICRA 2026 GOOSE 2D 细粒度语义分割挑战赛中获得的第四名，该挑战赛在官方 1,815 个图像测试集上达到了 69.73% 的复合平均交并集 (mIoU)。我们的模型采用了最新的视觉基础模型 Segment Anything Model 3 (SAM3) 的图像编码器和轻量级解码器。除此之外，我们贡献了两项技术和一项实证发现：(i) 一种自我 蒸馏 方案，该方案重复使用 SAM3 本身，并用 真值 框提示，作为其优于我们自己的模型的课程的教师； (ii) 图像级多尺度测试时间增强方案，通过重新缩放图像而不是模型输入来恢复固定输入大小模型的多尺度推理； (iii) 发现将 2025 年获奖的 GOOSE 2D 参赛作品中的严重光度失真移植到我们的管道中，是其最大的改进来源。