面向零样本语义分割的上下文感知特征生成
计算机视觉与模式识别
2020-08-18 v1
摘要
现有的语义分割模型严重依赖密集的像素级标注。为减轻标注压力，我们关注一项名为零样本语义分割的挑战性任务，其目标是在无任何标注的情况下分割未见过的物体。该任务可通过语义词嵌入跨类别迁移知识来完成。本文提出一种用于零样本分割的新型上下文感知特征生成方法，称为 CaGNet。具体而言，基于像素级特征高度依赖其上下文信息的观察，我们在分割网络中插入一个上下文模块以捕获像素级上下文信息，从而引导从语义词嵌入生成更具多样性和上下文感知的特征的过程。我们的方法在三个零样本分割基准数据集上取得了最先进的结果。代码已开源：https://github.com/bcmi/CaGNet-Zero-Shot-Semantic-Segmentation。
引用
@article{arxiv.2008.06893,
title = {Context-aware Feature Generation for Zero-shot Semantic Segmentation},
author = {Zhangxuan Gu and Siyuan Zhou and Li Niu and Zihan Zhao and Liqing Zhang},
journal= {arXiv preprint arXiv:2008.06893},
year = {2020}
}
备注
Accepted by ACM MM 2020