SRPR-Net：基于 SAM 的自动实例分割的语义和关系提示细化

实例分割是一项基本的计算机视觉任务，具有多种实际应用。最近，提示驱动的基础模型显示出有希望的泛化能力。然而，自动提示仍然受到语义指导和实例间建模不足的限制。为了应对这一挑战，我们提出了一种新颖的架构，称为语义关系提示细化网络（SRPR-Net），用于基于 SAM 的自动实例分割。引入了顺序提示细化机制，用视觉语言语义丰富探测器几何结构，然后合并相同图像实例依赖性，从而在 SAM 分割之前实现上下文感知框调整。多个标准基准的实验表明，SRPR-Net 与现有最先进的方法相比，在分割性能方面取得了一致的改进。该代码可通过此 https URL 公开获取。