深度变分先验分割网络

遮挡图像也能分

一种无监督选择分割与形状优化相结合的两步深度变分图像分割网络，可处理遮挡、缺失或复杂背景场景。

Lu, Tan · Tai, Xuecheng · Li, Ling · 刘万泉 · Chan, Raymond Honfu · 洪丹枫

Pattern Recognition Letters 2025

技术优势

无需精细调参

方法将分割问题转化为学习生成网络参数，自动最小化损失函数，从而减轻对参数和初始化的依赖。

能处理遮挡

网络能够应对目标被遮挡、损坏或缺失以及背景复杂的困难场景，无需人工干预。

兼容经典先验

通过将经典变分方法的迭代最小化转换为学习网络参数，保留了经典变分方法带来的良好归纳偏置。

应用场景

• 机器人视觉：在遮挡或杂乱环境中可靠分割目标，提升机器人感知鲁棒性。
• 具身智能：为具身智能体在复杂视觉场景中提供鲁棒的目标分割能力。
• 无人机图像处理：从无人机视角分割部分遮挡或缺失的地面目标，提高航拍分析效率。
• 医学图像分析：在医学图像中分割被遮挡或边界模糊的病灶区域，辅助诊断。
• 工业视觉检测：在工业检测中处理复杂背景下的残缺或遮挡零件，降低漏检率。