本研究提出了一种新型的两阶段无监督水下图像分割方法，旨在解决水下视频中鱼类分割的挑战。通过合成和生成真实图像数据，填补了标注数据的不足，并在DeepFish数据集上验证了其有效性，表现接近完全监督模型。同时，推出了DeepSalmon数据集，提升了鲑鱼分割效果。

本文研究了Meta AI Research的分割模型SAM在伪装目标检测中的表现，提出了SAM-PT和AquaSAM等方法，提升了水下图像分割效果。研究介绍了UVOT数据集和新算法，展示了SAM在多物体分割中的优越性能，并探讨了SAM2在水下实例分割中的局限性，强调了提示类型对性能的影响。