BoxSeg：面向框监督实例分割的质量感知与同伴辅助学习
计算机视觉与模式识别
2025-04-08 v1
摘要
框监督实例分割方法旨在仅使用框标注实现实例分割。近期的方法证明了在教师-学生框架下获取高质量伪掩码的有效性。在此基础之上，我们提出了 BoxSeg 框架，包含两个新颖且通用的模块，分别名为质量感知模块（QAM）和同伴辅助复制粘贴（PC）。QAM 利用质量感知多掩码互补机制获取高质量伪掩码并更好地度量掩码质量，以帮助减少噪声掩码的影响。PC 模拟同伴辅助学习，在所获取的高质量伪掩码的指导下，进一步提高低质量掩码的质量。理论和实验分析证明了所提出的 QAM 和 PC 的有效性。广泛的实验结果表明了我们的 BoxSeg 相对于 SOTA 方法的优越性，并表明 QAM 和 PC 可应用于改进其他模型。
引用
@article{arxiv.2504.05137,
title = {BoxSeg: Quality-Aware and Peer-Assisted Learning for Box-supervised Instance Segmentation},
author = {Jinxiang Lai and Wenlong Wu and Jiawei Zhan and Jian Li and Bin-Bin Gao and Jun Liu and Jie Zhang and Song Guo},
journal= {arXiv preprint arXiv:2504.05137},
year = {2025}
}