MAS-SAM: 基于聚合特征的海洋动物分割
原文中文，约400字，阅读约需1分钟。发表于：。提出了一种新的名为 MAS-SAM 的特征学习框架，用于海洋动物分割，该框架将有效的适配器整合到 SAM 的编码器中，并构建了一个金字塔解码器，通过与融合注意模块配接，能从全局上下文线索中提取更丰富的海洋信息以及精细的局部细节，并在四个公共 MAS 数据集上进行的广泛实验表明，我们的 MAS-SAM 比其他典型的分割方法能获得更好的结果。
该研究引入了适用于医学数据的MA-SAM框架，通过注入3D适配器，使2D主干能够从输入数据中提取第三维信息。在医学图像分割任务中，该方法在多个数据集上表现优于其他三维方法，Dice指标分别超过nnU-Net 0.9%、2.6%和9.9%。在肿瘤分割任务中，该模型也表现出色。
