على الرغم من تعارض الميزات البصرية بين كشف الأهداف البارزة وكشف الأهداف المتنكرة، إلا أن كلاهما يتطلب دقة عالية في تقسيم الحدود. ومع ذلك، غالبًا ما تواجه الطرق الحالية اختناقات في الأداء عند التعميم عبر المهام بسبب تفضيل الميزات الأحادية. لهذا السبب، نقترح في هذه الورقة نموذج تقسيم عام يسمى SAM2-UFFM. يعتمد هذا النموذج على شبكة العمود الفقري Hiera في SAM2 كمُشفّر، من خلال تجميد معلمات التدريب المسبق وإدخال محول خفيف الوزن، مما يتيح ضبطًا فعالًا للمعلمات مع الاحتفاظ الكامل بقدرة التعبير القوي عن الميزات؛ تخلى عن هيكل U-Net التقليدي وصمم فك ضغط AttUNet، الذي يحقق دمجًا فعالًا لمعلومات جميع المقاييس من خلال اتصالات تخطي شاملة، مما يعالج مشاكل فقد المعلومات؛ اقترح وحدة انتباه توازن الميزات، ودمجها مع وحدة تصحيح تكميلي للميزات، لتحقيق توازن ديناميكي بين الدلالة العالمية والتفاصيل المحلية، ثم يعزز بشكل مستهدف الإدراك العالمي للأهداف البارزة وتقسيم دقيق لحدود الأهداف المتنكرة، مع دعم استراتيجية إشراف عميق لمنع الإفراط في التقسيم. النتائج التجريبية تظهر أن أداء النموذج متفوق على الطرق الحديثة في ثلاث مجموعات بيانات عامة. حيث تحسنت مؤشرات البنية على مجموعتي بيانات COD وSOD بنسبة 1.02% و1.83% على التوالي مقارنة بأفضل النماذج الموجودة، وانخفض متوسط الخطأ المطلق إلى 0.035 و0.018. بالإضافة إلى ذلك، ارتفع IoU في مهمة تقسيم عيوب سطح الصلب بنسبة 2.77%، مما يؤكد فعالية تعميم النموذج عبر المجالات.

تقسيم الصورة; هدف بارز; هدف متنكر; SAM2; آلية الانتباه