基于可控扩散的图像增强用于弱监督语义分割
计算机视觉与模式识别
2024-11-27 v3
摘要
弱监督语义分割（WSSS）旨在仅使用图像级标签训练分割模型，已受到广泛关注。现有方法主要聚焦于利用可用图像及其图像级标签生成高质量伪标签。然而，当可用数据集规模有限时，伪标签质量显著下降。因此，本文从另一视角切入，提出一种称为基于可控扩散的图像增强（IACD）的新方法。该框架通过可控扩散生成多样化图像，以有效增强现有标注数据集，其中可用图像和图像级标签作为控制信息。此外，我们还提出了一种高质量图像选择策略，以减轻扩散模型随机性带来的潜在噪声。实验中，我们提出的IACD方法明显超越了现有的最先进方法。当可用数据量较小时，这一效果更为明显，证明了我们方法的有效性。
引用
@article{arxiv.2310.09760,
title = {Image Augmentation with Controlled Diffusion for Weakly-Supervised Semantic Segmentation},
author = {Wangyu Wu and Tianhong Dai and Xiaowei Huang and Fei Ma and Jimin Xiao},
journal= {arXiv preprint arXiv:2310.09760},
year = {2024}
}
备注
Accepted by ICASSP 2024