复杂小波互信息损失：一种用于语义分割的多尺度损失函数
计算机视觉与模式识别
2025-05-29 v2 图像与视频处理
摘要
最近的深度神经网络显著提升了语义分割的性能，但类别不平衡和实例不平衡仍是持久挑战，其中较小实例和细薄边界常被较大结构所掩盖。为解决分段对象的数据尺度问题，各种模型已包含空间注意力和特征金字塔网络等机制。尽管如此，大多数损失函数仍主要基于像素，而区域和边界导向的损失函数往往计算成本高昂或限制于小规模区域。为解决这一局限性，我们提出了复杂小波互信息（CWMI）损失，这是一种新型损失函数，利用由复杂可导金字塔分解的子带图像中的互信息。复杂可导金字塔捕获多个方向的特征，并在尺度之间保留结构相似性。而互信息非常适合捕获高维方向特征，具有更好的噪声鲁棒性。广泛的实验表明，CWMI 损失在像素精度和拓扑指标方面均显著优于当前最先进的方法，同时引入的计算开销最小。我们的代码已公开 https://github.com/lurenhaothu/CWMI
引用
@article{arxiv.2502.00563,
title = {Complex Wavelet Mutual Information Loss: A Multi-Scale Loss Function for Semantic Segmentation},
author = {Renhao Lu},
journal= {arXiv preprint arXiv:2502.00563},
year = {2025}
}
备注
Accepted at ICML 2025. This version corresponds to the official camera-ready submission