开放词汇语义分割研究进展

开放词汇语义分割旨在突破传统闭集语义分割对固定类别集合的依赖，使模型能够根据开放类别文本描述实现任意语义目标的像素级识别与分割。以clip为代表的视觉–语言预训练模型虽为开放类别理解提供了重要支撑，但其侧重于图像级语义对齐，难以满足像素级密集预测对精确定位与细粒度表达的需求。因此，如何实现图像级开放识别能力向像素级精细分割的有效迁移，仍是该领域面临的关键问题。本文对开放词汇语义分割的研究进展进行系统梳理与分析。首先，介绍该任务的研究背景与技术基础，并梳理其与传统语义分割、零样本语义分割之间的演进关系。其次，围绕零样本语义分割、图文监督早期探索、双阶段方法和单阶段方法等主要研究路线，归纳代表性方法的基本思想、技术特点与局限性，并进一步讨论其在遥感图像场景中的拓展应用。再次，总结常用数据集与评价指标，分析现有评测体系的特点与不足。最后，结合当前研究瓶颈，对该领域未来发展方向与研究趋势进行展望。本文可为开放词汇语义分割领域的研究脉络梳理、方法体系比较及后续研究探索提供参考。