从网络学习：语言驱动弱监督增量学习实现语义分割
计算机视觉与模式识别
2024-09-04 v2
摘要
当前的弱监督增量语义分割(WILSS)方法仅考虑将像素级标注替换为图像级标签，而训练图像仍来自精心设计的数据集。本文认为，广可获得的网络图像也可用于学习新类的任务。为实现此目标，我们首先引入一种策略，通过傅里叶-based域判别器筛选与先前见到的示例在潜在空间中相似的网络图像。随后，提出一种有效的caption驱动再训练策略，以保留已学习的类。据我们了解，这是首个仅依赖网络图像即可用于学习新概念和保留已学习概念的WILSS方法。实验结果表明，所提方法无需在增量步骤中使用手动选择和标注的数据，便可达到最先进的性能。
引用
@article{arxiv.2407.13363,
title = {Learning from the Web: Language Drives Weakly-Supervised Incremental Learning for Semantic Segmentation},
author = {Chang Liu and Giulia Rizzoli and Pietro Zanuttigh and Fu Li and Yi Niu},
journal= {arXiv preprint arXiv:2407.13363},
year = {2024}
}
备注
ECCV 2024