REBASE 提升单样本分割

Mantha Sai Gopal · hf · 2026-07-21

REBASE 是一种无需训练的 in-context 分割方法，针对单样本分割里常见的失败模式：参考图和查询图共享背景时，跨图相似度会被背景干扰，导致 prompt 定位变差。

论文的核心做法是先从参考图里估计一个低秩背景特征子空间，再把参考图和查询图特征投影到其正交补空间中，以削弱背景的伪相关；随后用基于相似度的 farthest-point sampling 生成正样本点提示，并结合更精细的 dense similarity prior。作者称该方法在不训练、无参数更新的前提下，在 PACO-Part、FSS-1000 以及 ISIC2018 等跨域数据集上取得了训练免费方法中的新 SOTA。