44、Slim Scissors：从合成背景中分割细长物体

Slim Scissors：从合成背景中分割细长物体

1. 引言

交互式图像分割是指在用户提示（如点击、涂鸦、多边形或边界框）的帮助下，提取感兴趣对象的任务。该任务在图像编辑、医学图像分析和数据集标注等领域有广泛应用。传统的深度学习交互式分割算法在处理一般对象时表现出色，但在分割具有细长结构的对象（如昆虫腿和自行车辐条）时往往失败，这导致需要大量用户交互来纠正分割错误。

近期，Liew等人收集了大规模合成数据集ThinObject - 5K，并提出了三流网络TOS - Net，在细长物体分割上取得了显著进展。然而，TOS - Net仍存在两个主要问题：一是在真实图像上测试时性能严重下降；二是需要大量用户输入（边界点击）来细化细长部分，用户体验不佳。

为解决这些问题，研究人员开发了Slim Scissors，它允许用户通过简单绘制粗略涂鸦来快速提取细长部分。其核心思想是通过比较原始图像和没有细长结构的合成背景来分割细长部分。此外，还设计了相似检测模块，进一步减少了标注负担。

2. 相关工作

• 交互式对象分割 ：近年来，基于深度学习的交互式图像分割算法取得了显著进展。如Xu等人首次将深度学习应用于该任务，此后，各种输入表示形式和交互类型被探索。但这些方法在分割具有细长部分的对象时通常失败。
• 交互式细长对象分割 ：之前有一些方法尝试解决细长对象分割问题，如Vicente等人提出连通性先验，Jegalka和Bilmes开发合作切割方法等。Liew等人首次将深度学习方法扩展到处理细长对象，但由于合成训练数据与真实图像之间的领域差距，该方