FAIRS——用于从极值点进行鲁棒目标分割的软焦点生成器与注意力机制
计算机视觉与模式识别
2020-04-07 v1
摘要
来自用户输入的语义分割已被积极研究，以促进用于数据标注及其他应用的交互式分割。近期研究表明，极值点可有效用于编码用户输入。由极值点生成的热图可附加到 RGB 图像上并输入模型进行训练。在本研究中，我们提出 FAIRS——一种从以极值点和修正点击形式给出的用户输入生成目标分割的新方法。我们提出了一种以新颖且可扩展的方式有效编码来自极值点和修正点击的用户输入的新方法，该方法允许网络处理可变数量的点击，包括用于输出细化的修正点击。我们还将双注意力模块集成到我们的方法中，以提高模型优先关注目标的有效性。我们证明，在多个大规模数据集上，这些改进有助于在来自用户输入的密集目标分割方面取得优于最先进方法的显著进展。通过实验，我们展示了我们的方法生成高质量训练数据的能力，以及以原则性方式纳入极值点、引导点击和修正点击的可扩展性。
引用
@article{arxiv.2004.02038,
title = {FAIRS -- Soft Focus Generator and Attention for Robust Object Segmentation from Extreme Points},
author = {Ahmed H. Shahin and Prateek Munjal and Ling Shao and Shadab Khan},
journal= {arXiv preprint arXiv:2004.02038},
year = {2020}
}