用于交互式分割的级联稀疏特征传播网络
计算机视觉与模式识别
2023-10-31 v3
摘要
我们旨在解决基于点的交互式分割问题，其中的关键挑战是高效地将用户提供的标注传播到未标注区域。现有方法利用计算代价高昂的全连接图或牺牲准确分割所需的重要细粒度信息的 transformer 架构来应对该挑战。为克服这些局限，我们提出一种级联稀疏特征传播网络，该网络学习点击增强的特征表示，用于将用户提供的信息传播到未标注区域。我们网络的稀疏设计使得在高分辨率特征上能够进行高效的信息传播，从而产生更细致的目标分割。我们通过在多个基准上的综合实验验证了方法的有效性，结果展示了我们方法的优越性能。代码见 \href{https://github.com/kleinzcy/CSFPN}{https://github.com/kleinzcy/CSFPN}。
引用
@article{arxiv.2203.05145,
title = {Cascaded Sparse Feature Propagation Network for Interactive Segmentation},
author = {Chuyu Zhang and Chuanyang Hu and Hui Ren and Yongfei Liu and Xuming He},
journal= {arXiv preprint arXiv:2203.05145},
year = {2023}
}
备注
The first two authors contribute equally. Accepted by BMVC 2023