✂️ 语义分割¶

🧠 NeurIPS2026 · 3 篇论文解读

🔥 高频主题： 语义分割 ×2 · 对抗鲁棒 ×2

Preference-Guided Adaptation for Open-Vocabulary Semantic Segmentation via Prompt Disagreement: 本文把不同提示模板产生的局部分割分歧转成一次二选一监督，用区域局部偏好优化和区域外一致性适应开放词汇分割模型；在真值驱动的偏好 oracle 实验中，CAT-Seg-L 的 MESS 平均 mIoU 从 35.26 提升至 45.88。
Universal Cross-Prompt Adversarial Attacks on Promptable Concept Segmentation: AdvPCS 从提示变化、概念感知与时序记忆三个层面评估可提示概念分割的脆弱性，在受控数字输入实验中使 SA-CO 文本提示下的三模型平均视频 mIoU 从 70.24% 降至 4.61%，但这不等于对任意提示、模型或现实输入都成立的失效保证。
When Noise Meets Long-Tail: Feature-Threshold Dual Calibration for Robust Pseudo-Labeling: FTC-Seg 在教师—学生半监督分割中同时用原型残差重建改善噪声下的特征、用标注准确率和类别分布偏差调整伪标签阈值，在 2% 标注的四个基准上，DINOv2-S 配置相对 UniMatch V2 提升 2.09–8.54 个 mIoU 百分点，但并非所有配置都最优。