图像训练逆袭！QueenVIS视频分割零参数涨10.3 AP
视频实例分割的“天价标注”让人头疼，QueenVIS却告诉你：只用单帧图像训练，效果堪比视频监督！它通过两个超级简单的辅助头（特征预测+中心预测）把外观和空间先验注入查询向量，推理时零开销、零参数增加。在YouTube-VIS长视频上直接飙了10.3 AP，比很多视频监督模型还稳。代码已开源，值得一试！
标签：图像分割
共 63 篇
国立成功大学新突破：LLM引导食物分割，即插即用模块mIoU达55.0
食物分割里，豆腐和芝士经常被搞混？国立成功大学这篇工作用一个巧妙的思路——让大语言模型（GPT-o4 mini）根据图像猜出食材名称，再把食材标签嵌入视觉特征或解码器查询中，实现精准分割。两个模块完全即插即用，在FoodSeg103上刷新SOTA达到55.0 mIoU，且仅增加3.8GB显存开销。不用搞什么对齐训练，拿来就能涨点，实用派狂喜！
CVPR 2026：一招M2B变换消除框形偏置，弱监督分割Dice飙至85.9%
医学图像分割的像素级标注成本高得离谱，边界框标注是更经济的替代，但框形偏置总会让预测结果“方方正正”。深圳大学在CVPR 2026提出的WeakMed，用一招Mask-to-Box变换和尺度一致性损失，巧妙地把框形偏置化解于无形，在9个数据集上全面超越现有弱监督方法，甚至逼近全监督。这对于想低成本部署医学分割的团队来说，简直是及时雨。
西安交大提出内容自适应提升，噪声下反超两支路方法
单像素传感的压缩测量跳过图像重建直接做分割，一直有个老大难：如何优雅地把一维测量“提升”成二维特征？本文给出了系统性的答案——不仅搞清楚了不同提升方式的优劣谱系，还设计了内容自适应注意力+动态任务调度，在极低采样率和有噪声条件下都能保持高精度分割，尤其展现了无图像推理在噪声下的天然鲁棒性，相当有意思。
CVPR 2026 PhyWM：1.4万亿token训练通用世界模型
继2026年5月推送的NeoVerse之后，斯坦福又带来一款暴力物理世界模型PhyWM。它没有标注，没有动作标签，仅靠自回归预测光流和RGB，就能零样本完成物体分割、3D操纵甚至Visual Jenga。对机器人、具身智能来说，这是一条通往物理智能的捷径。
SA-FARI来了：741站点、99物种、1.6万轨迹
野外多动物跟踪最缺的不是模型花活，而是“像样的数据考场”。这篇工作直接把考场搬到了4大洲、741个站点、99个物种上，还顺手把分割级标注做到了能真刀真枪测跟踪。
视觉Mamba新结论：token方向才是关键
这篇论文最有意思的地方，不是继续争论 Mamba 该不该进视觉，而是把 VMamba 和 MambaOut 拆开看：一个更吃“方向”，一个更吃“幅度”。结论对高分辨率分类和分割都很有启发，属于那种看完会忍不住想回头检查自己模型表征的工作。
Stanford新方法：无标注学3D医学影像，少样本分割强到离谱
3D医学影像最缺的不是模型，而是能长期喂饱模型的标注。MASS偏偏反着来：不用专家画框，靠自动掩码就把自监督做成了“临床味儿”很足的预训练，少样本分割和冻结编码器分类都能打。
厦门大学新方法：跨图像提示让SAM3更懂伪装目标
伪装目标分割最烦人的地方，不是模型不够大，而是提示一旦打偏，结果就直接跑偏。GFR-SAM干脆把“点提示”换成“跨图像示例”，再用过滤和细化兜底，思路很顺，工程味也很足。
MICCAI 2026新作CRISP：不用目标域数据，医学分割照样更稳
医学图像分割最烦的不是分不清边界，而是模型一出院门就“水土不服”。CRISP不靠目标域数据、不改测试时参数，直接用排名稳定性把不确定边界一层层挤出来，思路干净，临床味很浓。
Yale新方法FD-loss：让医学图像生成更像真肿瘤，分割DSC提升超5%
这篇论文很实在：不跟生成模型纠缠“像不像”，而是直接问“合成数据能不能把分割做对”。FD-loss把分布对齐塞进医学图像生成训练里，结果不是纸面分数好看，而是下游分割真涨点。
25张切片训练出可解释分割：同步辐射新方案
这篇论文最有意思的地方，不是把分割做得多花哨，而是把“先看懂再精分”这件事做成了零设置流程。对同步辐射断层这种数据洪水场景来说，能在重建后几分钟内给出可解释结果，确实比空谈高精度更像真本事。
