BoxSnake：基于边界框监督的多边形实例分割
计算机视觉与模式识别
2023-07-25 v3 人工智能
摘要
基于边界框监督的实例分割因仅需简单的框标注而非昂贵的掩码或多边形标注而备受关注。然而，现有的边界框监督实例分割模型主要聚焦于基于掩码的框架。我们提出了一种名为 BoxSnake 的端到端训练新技术，首次仅使用框标注实现有效的多边形实例分割。我们的方法由两种损失函数组成：(1) 基于点的单点损失，约束预测多边形的边界框以实现粗粒度分割；(2) 距离感知的成对损失，促使预测多边形贴合物体边界。与基于掩码的弱监督方法相比，BoxSnake 进一步缩小了预测分割与边界框之间的性能差距，并在 Cityscapes 数据集上展现出显著优越性。代码已公开可用。
引用
@article{arxiv.2303.11630,
title = {BoxSnake: Polygonal Instance Segmentation with Box Supervision},
author = {Rui Yang and Lin Song and Yixiao Ge and Xiu Li},
journal= {arXiv preprint arXiv:2303.11630},
year = {2023}
}
备注
ICCV 2023