QIS：基于准保形映射的交互分割
内容提要
该文综述交互式分割研究，涵盖GPCIS利用高斯过程提升精度、PseudoClick预测下一步点击、白盒攻击评估鲁棒性、遥感基准显示SimpleClick优于SAM并推出CFR与RSISeg工具，以及迭代训练、弱监督RIS、AGILE3D点云分割、FocalClick和对比学习WSIS等方法。
延伸解读
交互式分割的评估与鲁棒性
文章指出，常规评估策略的直观假设可能不成立，建议采用白盒对抗攻击来评估模型鲁棒性，并引入新的度量标准。这提醒研究者和开发者，在实际部署交互式分割模型时，需关注模型在对抗环境下的表现，而不仅仅是精度指标。
遥感图像中的交互式分割实践
在遥感图像基准测试中，SimpleClick 优于 SAM，表明通用模型在特定领域可能表现不佳。文章还提出了 CFR 推理策略和 RSISeg 在线工具，为遥感应用提供了实用方案。读者应注意，选择交互式分割方法时需考虑数据域特性，并进行针对性微调。
降低交互成本的技术趋势
PseudoClick 和 AGILE3D 等方法致力于减少用户点击次数，提升交互效率。PseudoClick 让网络预测下一步点击，AGILE3D 支持多目标同时分割且点击更少。这些进展表明，交互式分割正朝着更智能、更高效的方向发展，未来用户可能只需极少量输入即可获得高质量分割。
Q&A
GPCIS 是如何提升交互式分割精度的？
GPCIS 将交互式分割视为基于高斯过程的像素二元分类问题，使用变分推理将 GP 后验近似为双空间形式，从而实现精细传播并提升分割准确性。
PseudoClick 框架的主要目标是什么？
PseudoClick 旨在使现有分割网络能够提出候选的下一步点击，从而减少用户交互成本，以最少的用户点击获得精确的对象分割掩码。
在遥感图像交互式分割基准测试中，哪个模型表现最好？
SimpleClick 模型在所有实验中始终优于其他方法，包括 SAM，而 SAM 在遥感图像中表现不佳。
RSISeg 是什么？它有什么特点？
RSISeg 是一个专用于遥感数据交互式分割的在线工具，采用性能良好的交互式模型并通过遥感数据微调，同时集成了 SAM 模型，具有强交互性、可修改性和适应性。
AGILE3D 在 3D 点云交互式分割中有什么优势？
AGILE3D 支持同时分割多个 3D 对象，以更少的用户点击产生更准确的掩码，并提供更快的推理速度，在 3D 点云交互式分割中达到了新的 state of the art。
FocalClick 如何实现高效交互式分割？
FocalClick 通过两个快速推理处理目标区域与焦点区域的粗分割和局部细分割，采用渐进式合并方法修正预先存在的分割掩码，在 FLOP 显著更小的情况下达到与 SOTA 方法相当的结果。
