基于全局与局部对比学习的少样本分割
计算机视觉与模式识别
2025-03-26 v2
摘要
在本文中，我们解决少样本分割这一具有挑战性的任务。以往的少样本分割方法主要利用支持图像的信息作为查询图像分割的引导。尽管一些工作提出在支持图像与查询图像之间建立交叉参考，它们对查询信息的提取仍依赖于支持图像。我们在此提出从查询自身独立提取信息以惠及少样本分割任务。为此，我们首先提出一个先验提取器，通过我们提出的全局-局部对比学习从未标注图像中学习查询信息。然后，我们通过该先验提取器提取一组预定先验。利用获得的先验，我们为查询图像生成先验区域图，其定位目标物体，作为与支持特征进行交叉交互的引导。通过这种方式，查询信息的提取与支持分支脱钩，克服了支持的局限，并能够获得更具信息量的查询线索以实现更好的交互。无需额外修饰，所提方法在 PASCAL-5 和 COCO 数据集上取得了少样本分割任务的新最先进（SOTA）性能。
引用
@article{arxiv.2108.05293,
title = {Few-Shot Segmentation with Global and Local Contrastive Learning},
author = {Weide Liu and Zhonghua Wu and Henghui Ding and Fayao Liu and Jie Lin and Guosheng Lin and Wei Zhou},
journal= {arXiv preprint arXiv:2108.05293},
year = {2025}
}