高精度二值图像分割
计算机视觉与模式识别
2022-07-25 v4
摘要
我们对一项称为二值图像分割（DIS）的新任务进行了系统研究，该任务旨在从自然图像中分割出高度精确的对象。为此，我们收集了首个大规模 DIS 数据集，称为 DIS5K，其包含 5,470 张高分辨率（如 2K、4K 或更大）图像，涵盖各种背景下的伪装对象、显著对象或精细对象。DIS 采用极细粒度标签进行标注。此外，我们引入了一个简单的中间监督基线（IS-Net），在 DIS 模型训练中同时使用特征级和掩码级引导。IS-Net 在所提出的 DIS5K 上优于多种前沿基线，使其成为一个通用的自学习监督网络，可促进 DIS 的未来研究。进一步，我们设计了一个称为人工修正代价（HCE）的新指标，用于近似修正假阳性和假阴性所需的鼠标点击操作次数。HCE 用于衡量模型与真实世界应用之间的差距，从而可以补充现有指标。最后，我们进行了最大规模的基准测试，评估了 16 个代表性分割模型，针对对象复杂性提供了更具洞察力的讨论，并展示了若干潜在应用（如背景移除、艺术设计、3D 重建）。希望这些努力能为学术界和工业界开辟有前景的方向。项目页面：https://xuebinqin.github.io/dis/index.html。
引用
@article{arxiv.2203.03041,
title = {Highly Accurate Dichotomous Image Segmentation},
author = {Xuebin Qin and Hang Dai and Xiaobin Hu and Deng-Ping Fan and Ling Shao and Luc Van Gool},
journal= {arXiv preprint arXiv:2203.03041},
year = {2022}
}
备注
29 pages, 18 figures, ECCV 2022