摘要
交互式图像分割模型允许用户通过迭代添加新的输入来不断优化分割结果，直至获得满意的效果。因此，理想的交互式分割模型应能够在尽可能少的交互次数下，准确捕捉用户的意图。然而，现有模型在分割优化过程中未能充分挖掘用户输入所蕴含的宝贵信息，导致用户体验不尽如人意。为充分挖掘用户提供的信息，本文提出一种新的深度网络框架——区域交互式分割网络（Regional Interactive Segmentation Network, RIS-Net），通过扩展输入区域的视野，捕获其周围的局部区域信息，以实现更精细的局部优化。此外，RIS-Net引入多尺度全局上下文信息，用于增强每个局部区域的特征表达能力。我们还设计了点击折扣因子（click discount factors），提出一种新颖的优化策略，以实现更高效的端到端训练。在四个具有挑战性的数据集上的全面评估结果表明，所提出的RIS-Net在性能上显著优于现有最先进的方法。