单目预训练+3D蒸馏，GeoLaV冲上SOTA
这篇论文最有意思的地方，不是又堆了一个更大的视频模型，而是反其道而行之：先拿单张图做几何预训练，再把3D教师的结构先验蒸馏进去。结果很直接——图像数据也能学出视频所需的空间一致性，最后还在多个基准上冲到SOTA。
标签：图像分割
共 58 篇
CVPR经典Mask R-CNN：FAIR开源实例分割基线
这篇论文把“先找框、再抠图”做得特别顺手：Faster R-CNN 负责定位，Mask 分支负责像素级分割，RoIAlign 负责把坐标对齐。看起来只是加了个小分支，结果却把实例分割这门活干得又快又稳。
Harvard新数据集SemanticVessel：CTA脑血管标注一下扩到360例
这篇工作最有意思的地方，不是单纯“多标了点血管”，而是把动态4D-CTA变成了半自动标注流水线。更妙的是，它明确告诉模型：没标出来的血管，别急着当背景埋了。
CVPR 2026思路很新：EVIS把视频分成事件再分割
视频里常常不止一个事件，硬把它们当成“一锅粥”来分割，模型就容易看花眼。EVIS干脆先把视频拆成简单事件，再一段一段对齐文本，思路挺顺手。
Jaccard 0.8546：皮肤病灶分割的多级融合方案
这篇文章把扩散模型、双路径编码和跨层特征融合揉到一起，专门对付皮肤病灶那种“边界糊成一锅粥”的老难题。实验结果也挺硬，三个公开数据集上平均Jaccard和Dice都很能打，值得看看它到底怎么把病灶边缘抠细。
SAM2Matting零样本SOTA：视频抠图不用再靠昂贵标注
SAM2Matting把“跟踪”和“抠图”这对老搭档拆开干活，思路很干净。更离谱的是，它只用图像训练，却能在视频抠图上打出零样本SOTA，属于那种看完会想拍桌子的设计。
CVPR 2026接收！QR-Prompt把残差变提示，少样本增量学习性能飙升
少样本增量学习（FSCIL）一直是个“鱼和熊掌”都想兼得的难题，既要记住旧知识，又要快速学会新类别。CVPR 2026的这篇QR-Prompt，把VLM的残差特征做成“小纸条”，既稳定又灵活，在三个基准数据集上都刷了新SOTA。对于搞小样本、增量学习的朋友，这篇是必读品了。
德国应用科技大学最新U-Net变体：乘法交互显式建模，Dice飙升至0.942，计算量几乎不变
U-Net家族新成员驾到！还在为U-Net只能做加法特征变换而苦恼？德国应用科技大学团队祭出PU-UNet，让U-Net学会乘法交互。参数、FLOPs几乎不变，但Dice分数狂飙，正常病例假阳性率直接干到零。不烧钱，不折腾，是时候考虑给网络加个“乘法器”了。
从手工到全自动：Vines-DB数据集让藤蔓冠层测量告别ImageJ
在2026年6月推送过ETH利用AI预测小麦3D体积的方法后，这次犹他州立大学团队直接放了个大招：一个专门为观赏藤蔓植物打造的、高精度实例分割数据集Vines-DB。这就像给AI配了一本植物图谱，让机器学会精准识别和量化每一片藤蔓的覆盖面积。别小看这个数据集，它可是从168株藤蔓里，带着人工标注的边界框和分割掩码，一点一点抠出来的。想搞精准园艺？没这个数据集
CVPR 2026夺冠！SynCLIP一招让AI读懂“同义词”，密集感知鲁棒性飙升
说“飞机”和“飞行器”时，CLIP模型的“眼睛”居然会看错地方？那自动驾驶可不敢用！CVPR 2026的这篇SynCLIP，狠狠揪出这个同义词“注意力分裂”的bug，用语义连贯预训练一招治愈，密集感知鲁棒性直接拉满！
