基于类标记增强的上下文补丁融合用于弱监督语义分割
计算机视觉与模式识别
2026-01-22 v1
摘要
弱监督语义分割（WSSS）因仅依赖图像级标签而具备成本效益和可扩展性，引起了广泛关注。现有方法主要增强类间差异，利用数据增强来缓解语义歧义并减少伪激活，但往往忽视图像块之间的复杂上下文依赖，导致局部表征不完整和分割精度受限。为此，我们提出了类标记增强的上下文补丁融合（CPF-CTE）框架，利用图像块之间的上下文关系丰富特征表征并提升分割效果。其核心是 Contextual-Fusion 双向长短期记忆（CF-BiLSTM）模块，捕获图像块之间的空间依赖关系，实现双向信息流，更全面地理解空间相关性，从而增强特征学习和分割鲁棒性。此外，我们引入可学习的类标记，动态地对类特定语义进行编码和细化，增强判别能力。通过有效整合空间线索和语义信息，CPF-CTE 能产生更丰富、更准确的图像内容表征。在 PASCAL VOC 2012 和 MS COCO 2014 上的大量实验表明，CPF-CTE 稳居各类 WSSS 方法之上。
引用
@article{arxiv.2601.14718,
title = {Context Patch Fusion With Class Token Enhancement for Weakly Supervised Semantic Segmentation},
author = {Yiyang Fu and Hui Li and Wangyu Wu},
journal= {arXiv preprint arXiv:2601.14718},
year = {2026}
}