gen2seg

用生成模型让实例分割无需标注，开箱即用

gen2seg 是一个基于生成式模型（如 Stable Diffusion）实现通用实例分割的开源项目，对应 ICLR 2026 论文。它旨在解决传统分割模型依赖大量标注数据、泛化能力有限的问题，通过利用生成模型强大的语义理解与特征表达能力，将图像生成任务与分割任务结合，使模型能够在不依赖特定类别标注的情况下，对任意图像中的实例进行分割。核心能力包括：利用预训练生成模型的中间特征进行分割，支持零样本或少样本的通用分割，以及提供与生成模型联合训练的框架。项目代码基于 Python，主要涉及计算机视觉、生成式 AI、自监督学习等技术，目前处于早期阶段（GitHub 星标 75），但提供了完整的训练与推理代码。