利用现有的稀疏点注释进行海底图像密集分割

海洋生态系统的健康状况是全球环境变化的关键指标，但水下观测的物理限制和处理海洋图像的内在挑战严重限制了系统监测的可扩展性。尽管最近的视觉基础模型（例如分段任意模型（SAM）系列）显示出了巨大的前景，但它们仍然难以满足这些复杂场景中所需的细粒度识别，并且仍然需要专家的监督。我们的工作通过将最先进的基础模型与现有的稀疏监督联系起来来解决这一差距。由于历史海底调查通常每张图像仅用几个稀疏的专家点进行注释，因此我们利用这些遗留点标签作为 SAM2 的视觉提示。我们的主要贡献是一种新颖的机制，可以在用于传播时自动识别这些点中哪些是合适的，哪些是有害的。通过过滤掉不可靠的点，我们提取了高质量的伪 真值 掩模，能够训练更准确、更细粒度的语义分割模型。我们展示了我们的方法对公共海底数据的有效性，并引入了一个新的、具有挑战性的基准，该基准以现实世界的稀疏专家注释为特色，为可扩展的生态分析铺平了道路。