基于稀疏标注学习语义对应
计算机视觉与模式识别
2022-08-18 v2
摘要
寻找稠密语义对应是计算机视觉中的基础问题，在复杂场景中由于背景杂乱、极端的类内差异以及真实标注的严重匮乏而具挑战性。在本文中，我们旨在通过从稀疏关键点标注中丰富监督信号来解决语义对应中的标签稀疏挑战。为此，我们首先提出一种师生学习范式以生成稠密伪标签，随后提出两种新颖的伪标签去噪策略。特别地，我们利用稀疏标注周边的空间先验来抑制噪声伪标签。此外，我们引入一种损失驱动的动态调整标签选择策略用于标签去噪。我们以两种学习策略变体实例化该范式：单一离线教师设定，以及互在线教师设定。我们的方法在三个具挑战性的语义对应基准上取得显著提升，并确立了新的最先进水平。项目主页：https://shuaiyihuang.github.io/publications/SCorrSAN。
引用
@article{arxiv.2208.06974,
title = {Learning Semantic Correspondence with Sparse Annotations},
author = {Shuaiyi Huang and Luyu Yang and Bo He and Songyang Zhang and Xuming He and Abhinav Shrivastava},
journal= {arXiv preprint arXiv:2208.06974},
year = {2022}
}
备注
ECCV 2022