从填色到点彩：重访语义分割监督

生成语义分割训练数据的流行范式依赖于对训练集中每幅图像的每个像素进行稠密标注，类似于填色书。当在图像数量、类别数与标注者规模上扩展时，该方法成为瓶颈。此处我们转而提出一种用于语义分割标注的点彩式方法，仅回答逐点的是否问题。我们探索了此种主动学习方案的设计替代方案，度量了人类标注者在该任务上的速度与一致性，表明该策略能够训练出良好的分割模型，并且适用于测试时模型评估。作为我们方法可扩展性的具体证明，我们在Open Images数据集上收集并发布了覆盖4,171个类别的22.6M个点标签。我们的结果使得能够从点彩视角重新思考语义分割的标注、训练与评估流程。