更接近真实标签：面向无监督水下图像分割的真实形状与外观标注数据生成

解决水下视频中的鱼类分割是海洋与水产养殖业中极具实用价值的现实问题，但由于拍摄环境恶劣、能见度低且现有的水下鱼类标注数据有限，这仍是一项具有挑战性的任务。为了克服这些障碍，我们引入了一种新颖的两阶段无监督分割方法，该方法无需人工标注，并结合了人工创建的图像与真实图像。我们的方法通过将虚拟鱼放置在真实的水下环境中来生成具有挑战性的合成训练数据，在执行薄板样条形状变形和颜色直方图匹配等鱼类变换后，将合成鱼逼真地融入背景，使得生成的图像在我们方法的每个阶段都越来越接近真实世界数据。我们在流行的 DeepFish 数据集上验证了我们的无监督方法，获得了接近全监督 SoTA 模型的性能，并进一步展示了其在水下视频中鲑鱼分割这一特定案例上的有效性，为此我们引入了 DeepSalmon，这是文献中同类最大的数据集（30 GB）。此外，在这两个数据集上，我们证明了我们的方法能够提升全监督 SoTA 模型的性能。