Fugu-MT 論文翻訳(概要): Weakly-Supervised RGB-D Salient Object Detection via SAM-driven Pseudo Annotation and State Space Interaction-based Diffusion

論文の概要: Weakly-Supervised RGB-D Salient Object Detection via SAM-driven Pseudo Annotation and State Space Interaction-based Diffusion

arxiv url: http://arxiv.org/abs/2607.15041v1
Date: Thu, 16 Jul 2026 14:21:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-17 17:01:33.1336
Title: Weakly-Supervised RGB-D Salient Object Detection via SAM-driven Pseudo Annotation and State Space Interaction-based Diffusion
Title（参考訳）: SAM-driven Pseudo Annotationと状態空間相互作用に基づく拡散による弱改良RGB-Dサルエント物体検出
Authors: Wenqi Si, Gongyang Li, Shixiang Shi, Weisi Lin,
Abstract要約: 本稿では,Segment Anything Model (SAM) による擬似アノテーション生成法 (emphSAM-PAG) と状態空間相互作用に基づく条件拡散モデル (emph$S2$Diff) からなる,新しいスクリブル制御RGB-D SOD法を提案する。提案手法は, 関連するスクリブル制御手法より優れ, 7つのデータセット上での完全教師付き手法と比較して, 競争性能が向上する。
参考スコア（独自算出の注目度）: 48.141883885276634
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Weakly-supervised RGB-D Salient Object Detection (SOD) is explored to reduce the heavy burden of pixel-level annotations. But scribble annotations lack the structure and details of objects, resulting in inaccurate saliency maps. In this paper, we propose a novel scribble-supervised RGB-D SOD method, consisting of a Segment Anything Model (SAM)-driven pseudo annotation generation method (\emph{SAM-PAG}) and a state space interaction-based conditional diffusion model (\emph{$S^2$Diff}). Specifically, SAM-PAG is tailored to address the issue of sparse supervision information. In SAM-PAG, we adopt the advanced SAM to expand sparse scribbles to dense pixel-level pseudo annotations through the dual-branch structure and the consistency of segmentation masks. In $S^2$Diff, we adopt the diffusion model to iteratively refine the noisy saliency maps with the guidance of conditional information, generating accurate saliency maps. Naturally, the core of our $S^2$Diff lies in the acquisition of conditional features and the denoising of saliency maps. For the former, we employ a cross-modal conditional generation module to interweave cross-modal features through frequency integration and implicit-explicit state space interaction, effectively achieving global conditional features. For the latter, we employ a context injection module to mitigate noise interference and to enhance object information with the conditional context. With the close cooperation of SAM-PAG and $S^2$Diff, our method outperforms relevant scribble-supervised methods and achieves competitive performance compared to fully-supervised methods on seven datasets. The code and results of our method are available at https://github.com/Switch457/WeakS2Diff_SOD.
Abstract（参考訳）: 画素レベルのアノテーションの重荷を軽減するため, 弱教師付きRGB-D Salient Object Detection (SOD) について検討した。しかし、スクリブルアノテーションはオブジェクトの構造や詳細を欠いているため、不正確なサリエンスマップをもたらす。本稿では,Segment Anything Model (SAM) による擬似アノテーション生成手法 (\emph{SAM-PAG}) と状態空間の相互作用に基づく条件付き拡散モデル (\emph{$S^2$Diff}) からなる,新しいスクリブル制御RGB-D SOD法を提案する。特にSAM-PAGは、スパース監視情報の問題に対処するように調整されている。 SAM-PAGでは、二重ブランチ構造とセグメンテーションマスクの整合性を通じてスパース・スクリブルを高密度ピクセルレベルの擬似アノテーションに拡張するために、高度なSAMを採用している。 S^2$Diffでは、拡散モデルを用いて、条件情報の誘導によりノイズの多い塩分マップを反復的に洗練し、正確な塩分マップを生成する。当然のことながら、S^2$Diffの中核は条件付き特徴の取得と唾液度マップのデノナイズにある。前者に対しては、周波数積分と暗黙的な状態空間の相互作用を通じて、クロスモーダルな特徴を織り交ぜるクロスモーダル条件生成モジュールを用いて、グローバルな条件特徴を効果的に達成する。後者では、ノイズ干渉を緩和し、条件付きコンテキストでオブジェクト情報を強化するためにコンテキスト注入モジュールを用いる。 SAM-PAG と $S^2$Diff の密接な協力により,本手法は関連するスクリブル教師付き手法より優れ,7つのデータセットの完全教師付き手法と比較して競争性能が向上する。我々のメソッドのコードと結果はhttps://github.com/Switch457/WeakS2Diff_SOD.orgで公開されている。

論文の概要: Weakly-Supervised RGB-D Salient Object Detection via SAM-driven Pseudo Annotation and State Space Interaction-based Diffusion

関連論文リスト