个性化一次性分段模型（英文版）

英文标题：Personalize Segment Anything Model with One Shot中文摘要：本文提出了一种称为 PerSAM 的、无需训练的个性化方法，该方法首先通过位置先验定位目标概念，然后通过三种技术 - 目标引导注意力、目标语义提示和级联后处理在其他图像或视频中对其进行分割，有效地适应 SAM 的私人使用。此外，我们还提出了一种高效的单次微调变体，PerSAM-F，以缓解掩模的歧义。我们构建了一个新的分割数据集 PerSeg，并在具有竞争性的性能的视频对象分割上测试了我们的方法。英文摘要：Driven by large-data pre-training, Segment Anything Model (SAM) has beendemonstrated as a powerful and promptable framework, revolutionizing thesegmentation models. Despite the generality, customizing SAM for specificvisual concepts witho