Segment Anything Model (SAM) 在弱监督语义分割问题上的应用：WSSS 的替代方案？
计算机视觉与模式识别
2023-06-21 v2
摘要
Segment Anything Model (SAM) 已展现出卓越的性能与通用性，使其成为各种相关任务中有前景的工具。在本报告中，我们探索 SAM 在弱监督语义分割（WSSS）中的应用。特别地，我们仅在给定图像级类别标签的情况下，将 SAM 适配为伪标签生成流程。虽然我们在大多数情况下观察到了令人印象深刻的结果，但也识别出了某些局限性。我们的研究包括在 PASCAL VOC 和 MS-COCO 上的性能评估，在这两个数据集上我们都比最新的最先进（SOTA）方法取得了显著改进。我们期望本报告能鼓励进一步探索在 WSSS 中采用 SAM，以及更广泛的现实世界应用。
引用
@article{arxiv.2305.01586,
title = {An Alternative to WSSS? An Empirical Study of the Segment Anything Model (SAM) on Weakly-Supervised Semantic Segmentation Problems},
author = {Weixuan Sun and Zheyuan Liu and Yanhao Zhang and Yiran Zhong and Nick Barnes},
journal= {arXiv preprint arXiv:2305.01586},
year = {2023}
}
备注
Technique report