预见看不见的事物：叶子化石图像的阿模态重建

叶子化石很少能完整保存——沉积岩隐藏、破坏和侵蚀了叶片，但古植物学依赖于叶子的完整形状和轮廓。我们将缺失组织的恢复视为非模态重建，并提出了 AmodalDINO，这是一种多头密集预测模型，可以从单个 RGB 图像中预测四个掩模：可见叶、非模态完整叶、非模态主静脉和细静脉。与之前所有的 amodal 工作基本上不同，AmodalDINO 没有给出可见的掩模。它联合预测可见区域和非模态区域，因此在运行时不需要上游实例分段器。两个简单但有效的更改使模型适应非模态分割任务：以较小的学习率完全微调 DINOv3 ViT-L/16，而不是冻结它，并将辅助脉络头附加到叶头旁边。这两个变化使模型能够先了解叶子的结构形状。仅在合成叶子化石图像上进行训练，AmodalDINO 在验证集上达到 95.0% Dice / 90.5% IoU，并且可以很好地转移到真实化石标本。剥离到两个头后，相同的配方可以在两个基准数据集上运行，在 KINS 上达到 85.05 完整 MIoU / 66.65 遮挡 MIoU，在 COCOA-cls 上达到 80.90 / 38.15。该模型也很实用：通过量化为 4 位权重，它可以在浏览器中完全离线运行，与原始模型的 IoU 为 0.910 相匹配。我们还添加了基于标尺的校准来估计表面积，以及本地设备上活叶的生成可视化。