12:12arXiv cs.LG@Tran Dinh Tien, Zhiqiang ShenActiveSAM是一个无需训练、零样本推理的框架,将SAM 3改造为主动词汇分割器。它先通过低分辨率预视估计图像条件下的活跃类别集,再对保留类别进行全分辨率解码。在8个开放词汇语义分割基准上,ActiveSAM平均mIoU比当前最优的SegEarth-OV3高1.4,且在大词汇数据集上速度提升高达5.5倍。该方法无需目标数据集训练或权重更新,在图像损坏鲁棒性测试中也表现最强。论文ActiveSAMSAM 3SegEarth-OV3开放词汇分割语义分割推荐理由:研究者用ActiveSAM让SAM 3分割更快更准,比SegEarth-OV3提升1.4的mIoU,速度快5.5倍,还不用重新训练。原文
11:13arXiv cs.LG@Constanza A. Molina Catricheo, Simon Boeder, Ting-Jia Guo, Giacomo May, Clément Berthelot, Devis Tuia, Friedrich Fedor Reinhard, Fabio Remondino, Benjamin Risse该研究发布了1.4 TB多模态无人机数据集,覆盖104棵含巢树木,包含27,945张RGB图像、111,780张多光谱图像及约7.81亿个3D点。语义分割基准测试中,Point Transformer V3在测试集上达到86.35% mIoU,优于KPConv和RandLA-Net。数据集结合光谱、空间与结构信息,可支持巢体积估计等生态应用,并为极端类别不平衡下的3D分割算法提供挑战性基准。论文NEST3D多模态3D分割语义分割数据集推荐理由:生态数据集,3D分割新基准原文