对比语义引导的图像平滑网络
计算机视觉与模式识别
2022-09-05 v1
摘要
图像平滑是一项基础底层视觉任务，旨在保留图像显著结构的同时去除不重要细节。深度学习已在图像平滑中用于应对语义结构与琐碎细节的复杂纠缠。然而，当前方法忽视了平滑中的两个重要事实：1）由有限数量高质量平滑真值监督的朴素像素级回归会导致域偏移并引发面向真实图像的泛化问题；2）纹理外观与对象语义密切相关，因此图像平滑需要感知语义差异以施加自适应平滑强度。为解决这些问题，我们提出一种新颖的对比语义引导图像平滑网络（CSGIS-Net），它结合对比先验与语义先验以促进鲁棒图像平滑。监督信号通过利用不期望的平滑效应作为负教师，以及引入分割任务以鼓励语义区分性而得到增强。为实现所提网络，我们还用纹理增强与平滑标签丰富了原始 VOC 数据集，即 VOC-smooth，其首次桥接了图像平滑与语义分割。大量实验表明，所提 CSGIS-Net 大幅优于当前最优算法。代码与数据集见于 https://github.com/wangjie6866/CSGIS-Net。
引用
@article{arxiv.2209.00977,
title = {Contrastive Semantic-Guided Image Smoothing Network},
author = {Jie Wang and Yongzhen Wang and Yidan Feng and Lina Gong and Xuefeng Yan and Haoran Xie and Fu Lee Wang and Mingqiang Wei},
journal= {arXiv preprint arXiv:2209.00977},
year = {2022}
}