基于对比式提示聚类的弱监督语义分割
计算机视觉与模式识别
2025-09-03 v2
摘要
基于图像级标签的弱监督语义分割（WSSS）因其成本效益而受到关注。目前大多数方法侧重类别间的分离，往往忽略相关类别之间的共享语义，且缺乏细粒度的区分能力。为此，我们提出了对比式提示聚类（Contrastive Prompt Clustering, CPC），一种新的WSSS框架。CPC利用大语言模型（LLM）推导出编码内在类别关系的类别聚类，并进一步引入基于类的patch级对比损失，以强化类内一致性和类间分离。这种层次化设计将聚类作为粗粒度语义先验，同时保留细粒度边界，从而减少视觉上相似类别之间的混淆。在PASCAL VOC 2012和MS COCO 2014数据集上的实验表明，CPC在WSSS任务中超越了现有最先进的方法。
引用
@article{arxiv.2508.17009,
title = {Contrastive Prompt Clustering for Weakly Supervised Semantic Segmentation},
author = {Wangyu Wu and Zhenhong Chen and Xiaowen Ma and Wenqiao Zhang and Xianglin Qiu and Siqi Song and Xiaowei Huang and Fei Ma and Jimin Xiao},
journal= {arXiv preprint arXiv:2508.17009},
year = {2025}
}