摘要

本文探讨了如何在最小化人工交互成本的前提下，实现精确的物体分割掩码生成。为此，本文提出了一种“内外引导”（Inside-Outside Guidance, IOG）方法。具体而言，该方法利用一个位于目标物体中心附近的内部点击点，以及位于包围目标物体的紧密边界框对称角落（如左上与右下，或右上与左下）的两个外部点击点，总共仅需一次前景点击和四次背景点击即可完成分割标注。所提出的IOG方法具有四大优势：（1）两个外部点击点有助于排除其他物体或背景带来的干扰；（2）内部点击点可有效消除边界框内部与目标无关的区域；（3）内部与外部点击点直观易辨，显著降低了在处理极端样本时当前先进方法DEXTR易产生的标注混淆问题；（4）该方法天然支持后续添加额外点击进行进一步修正，具备良好的交互灵活性。尽管方法设计简洁，IOG在多个主流基准数据集上均达到了当前最优的分割性能，并展现出强大的跨领域泛化能力，适用于街景、航拍图像及医学图像等多种不同场景，且无需任何微调。此外，本文还提出了一种简单的两阶段解决方案，使IOG能够基于现有数据集中现成的边界框（如ImageNet和Open Images中的标注）生成高质量的实例分割掩码，充分体现了IOG作为标注工具的优越性。