KAIST 用提示分歧替代像素标注，实现零样本分割免标注适配

KAIST 提出面向开放词汇语义分割（OVSS）的偏好引导适配框架，用不同提示模板间的「提示分歧」取代像素级标注，从跨模板不确定性高的区域挖掘局部偏好查询。方法采用 Region-Localized Preference Optimization（RLPO）配合区域外一致性正则，在 MESS 基准上让多种 OVSS 骨干获得一致提升，无需任何像素级标注，且在偏好噪声下依然有效。代码已开源。