AINet+：通过级联关联植入推进超像素分割
计算机视觉与模式识别
2024-12-30 v4
摘要
受益于深度卷积网络，超像素分割取得了显著进展。典型方法先将图像划分为网格，随后通过学习过程将每个像素分配给相邻的网格段。然而，依赖于感受野受限的卷积导致对像素-网格交互的理解是隐式的而非显式的。这一局限常导致在关联映射过程中上下文信息的缺失。为此，我们引入关联植入（AI）模块，旨在使网络显式地处理像素-网格关系。该模块将网格特征直接嵌入中心像素邻域，并在放大窗口上执行卷积操作，促进知识的自适应迁移。该方法使网络能在像素-网格层面显式提取上下文，比单纯的像素级交互更契合超像素分割目标。通过在各层集成 AI 模块，我们实现了像素-超像素关系从粗到精的渐进细化。为进一步提升边界像素的分配，我们设计了边界感知损失函数。该函数在特征层面辅助区分边界相邻像素，从而赋予后续模块精确识别边界像素并提升整体边界精度的能力。我们的方法已在 BSDS500、NYUv2、ACDC 和 ISIC2017 四个基准上严格测试，模型取得了与对比方法具竞争力的性能。
引用
@article{arxiv.2101.10696,
title = {AINet+: Advancing Superpixel Segmentation via Cascaded Association Implantation},
author = {Yaxiong Wang and Yunchao Wei and Yujiao Wu and Xueming Qian and Li Zhu and Yi Yang},
journal= {arXiv preprint arXiv:2101.10696},
year = {2024}
}
备注
Superpixel Segmentation, Computer Version, under review