用于少样本分割的密集亲和匹配
计算机视觉与模式识别
2023-07-18 v1
摘要
少样本分割（FSS）旨在利用少量标注样本对新颖类别图像进行分割。本文中，我们提出一种密集亲和匹配（DAM）框架，通过双向 3D 卷积在每个支持-查询对中密集捕获像素到像素及像素到块的关系，以利用支持-查询交互。不同于现有方法去除支持背景，我们设计了滞回空间滤波模块（HSFM），借助支持背景来滤除与背景相关的查询特征并保留与前景相关的查询特征，有助于消除查询背景中的干扰物体。我们在跨类别、跨数据集和跨域 FSS 任务下的十个基准上全面评估了我们的 DAM。实验结果表明，DAM 在不同设置下均极具竞争力，仅用 0.68M 参数，尤其在跨域 FSS 任务下表现突出，显示了其有效性与高效性。
引用
@article{arxiv.2307.08434,
title = {Dense Affinity Matching for Few-Shot Segmentation},
author = {Hao Chen and Yonghan Dong and Zheming Lu and Yunlong Yu and Yingming Li and Jungong Han and Zhongfei Zhang},
journal= {arXiv preprint arXiv:2307.08434},
year = {2023}
}