arXiv 2026年9月25日该工作提出 RPG-SAM，一个基于 SAM2 的免训练单样本息肉分割框架，用可靠性加权原型挖掘（RWPM）按对比因子与反向纯度因子加权支持图像的前景原型并以背景原型作负锚点抑制噪声，用几何自适应阈值选择（GAS）依据形态实心度与尺度一致性动态挑选二值化阈值，再用先验引导迭代精炼（PIR）循环修正边界，在 Kvasir 上取得 78.65% mIoU 与 85.65% mDice，较 ProtoSAM 分别提升 5.56% 与 4.11%，并在 PolypGen 三中心、CVC-ClinicDB、CVC-ColonDB 上报告了对比结果。该工作提出 RPG-SAM，一个基于 SAM2 的免训练单样本息肉分割框架，用可靠性加权原型挖掘（RWPM）按对比因子与反向纯度因子加权支持图像的前景原型并以背景原型作负锚点抑制噪声，用几何自适应阈值选择（GAS）依据形态实心度与尺度一致性动态挑选二值化阈值，再用先验引导迭代精炼（PIR）循环修正边界，在 Kvasir 上取得 78.65% mIoU 与 85.65% mDice，较 ProtoSAM 分别提升 5.56% 与 4.11%，并在 PolypGen 三中心、CVC-ClinicDB、CVC-ColonDB 上报告了对比结果。RPG-SAM 用可靠性加权原型与几何自适应阈值，在 Kvasir 上把免训练单样本息肉分割 mIoU 提升 5.56%该工作提出 RPG-SAM，一个基于 SAM2 的免训练单样本息肉分割框架，用可靠性加权原型挖掘（RWPM）按对比因子与反向纯度因子加权支持图像的前景原型并以背景原型作负锚点抑制噪声，用几何自适应阈值选择（GAS）依据形态实心度与尺度一致性动态挑选二值化阈值，再用先验引导迭代精炼（PIR）循环修正边界，在 Kvasir 上取得 78.65% mIoU 与 85.65% mDice，较 ProtoSAM 分别提升 5.56% 与 4.11%，并在 PolypGen 三中心、CVC-ClinicDB、CVC-ColonDB 上报告了对比结果。该工作提出 RPG-SAM，一个基于 SAM2 的免训练单样本息肉分割框架，用可靠性加权原型挖掘（RWPM）按对比因子与反向纯度因子加权支持图像的前景原型并以背景原型作负锚点抑制噪声，用几何自适应阈值选择（GAS）依据形态实心度与尺度一致性动态挑选二值化阈值，再用先验引导迭代精炼（PIR）循环修正边界，在 Kvasir 上取得 78.65% mIoU 与 85.65% mDice，较 ProtoSAM 分别提升 5.56% 与 4.11%，并在 PolypGen 三中心、CVC-ClinicDB、CVC-ColonDB 上报告了对比结果。