arXiv Computer Vision· Tianqi Wei, Zhi Chen, Xin Yu, Scott Chapman, Zi Huang·· 2 小时前AI 评分28
ViTA-SAM：面向跨模态小样本分割的视觉记忆与文本对齐框架
Visual Memory and Textual Alignment for Cross-Modal Few-Shot Segmentation
AI 导读
ViTA-SAM 在 SAM 3 基础上融合视觉记忆与文本特征，通过跨模态对齐提升小样本分割性能。该框架用视觉记忆模块编码支持集特征与掩码，并以 SAM 3 文本编码器提取语义先验，再用跨模态对齐模块让文本特征以记忆增强的视觉表示为条件。多个 benchmark 上其平均 mIoU 比最强对比方法高出 5% 以上。
来源：arXiv Computer Vision · arxiv.org