论文页面 - 基于提示分歧的偏好引导式开放词汇语义分割适配

来源：https://huggingface.co/papers/2609.34528

摘要

开放词汇语义分割(OVSS)能够基于任意文本指定的词汇表实现像素级预测，在常见基准测试中展现出强大的泛化能力。然而，在医学影像、遥感和工业检测等专业领域，OVSS的性能往往会下降，因为获取适应所需的密集像素级标注成本高昂且需要领域专业知识。我们提出一种偏好引导的适配框架，用二元偏好替代密集掩码监督。我们观察到不同的提示模板对同一图像会产生系统性的不同分割结果——我们将此现象称为提示分歧，并将其改造为内置的偏好监督源。在此基础上，我们从高跨模板不确定性的区域挖掘局部偏好查询，并结合一致性正则化，通过区域局部化偏好优化(RLPO)来适配OVSS模型，该正则化可稳定查询区域外的更新。在MESS基准测试的大量实验中，所提方法在不使用任何像素级标注的情况下，为多种OVSS骨干网络带来持续的性能提升，并且在存在噪声偏好时仍保持有效性。我们的代码已在https://github.com/blue-531/pref-ovss发布。

查看arXiv页面 (https://arxiv.org/abs/2609.34528) 查看PDF (https://arxiv.org/pdf/2609.34528) 项目页面 (https://blue-531.github.io/pref-ovss/) GitHub (https://github.com/blue-531/pref-ovss) 添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.34528)

在您的智能助手中获取本文：

hf papers read 2609.34528

没有最新CLI？请运行 curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型 0

暂无模型链接本文

在模型README.md中引用 arxiv.org/abs/2609.34528 即可从此页面链接。

引用本文的数据集 0

暂无数据集链接本文

在数据集README.md中引用 arxiv.org/abs/2609.34528 即可从此页面链接。

引用本文的空间 0

暂无空间链接本文

在空间README.md中引用 arxiv.org/abs/2609.34528 即可从此页面链接。

包含本文的合集 0

暂无合集包含本文

将本文添加到合集 (https://huggingface.co/new-collection) 即可从此页面链接。