摘要

我们提出Label Anything，一种面向少样本语义分割（Few-Shot Semantic Segmentation, FSS）的创新神经网络架构，该架构在每类仅需极少样本的情况下，展现出卓越的跨类别泛化能力。与传统FSS方法主要依赖掩码（mask）标注支持图像不同，Label Anything引入了多样化的视觉提示（visual prompts），包括点、边界框和掩码，显著提升了框架的灵活性与适应性。本方法的独特之处在于，其专为多类别FSS场景下的端到端训练而设计，能够高效地从多种支持集配置中学习，无需重新训练。这一策略使得模型具备“通用性”，可广泛适用于从1-类1-shot到复杂N-类K-shot等多种FSS任务设置，且对各类别样本数量不敏感。该创新的训练范式不仅降低了计算开销，还显著增强了模型在各类分割任务中的适应性与泛化性能。通过全面的实验验证，尤其在COCO-$20^i$基准测试中取得当前最优（state-of-the-art）性能，充分证明了Label Anything强大的泛化能力与灵活性。项目源代码已公开，访问地址为：https://github.com/pasqualedem/LabelAnything。