WSSS 中类激活映射的局部区域引导
计算机视觉与模式识别
2025-11-21 v2
摘要
弱监督语义分割致力于解决仅使用图像级标注训练分割模型的挑战。现有的 WSSS 方法在精确定位物体边界方面存在困难，且仅关注最具判别性的区域。为应对这些挑战，我们提出了 IG-CAM（实例引导类激活映射），这是一种利用实例级线索和影响函数来生成高质量、边界感知定位图的新方法。该方法引入了三项关键创新：（1）使用物体提议引导 CAM 生成的实例引导细化，以确保完整的物体覆盖；（2）捕获训练样本与模型预测之间关系的影响函数整合；（3）结合渐进式细化策略的多尺度边界增强。IG-CAM 在 PASCAL VOC 2012 上取得了 SOTA 性能，在后处理前 mIoU 达 82.3%，经 CRF 细化后提升至 86.6%，显著优于以往的 WSSS 方法。广泛的消融实验验证了各组件的贡献，确立了 IG-CAM 作为弱监督语义分割的新基准。
引用
@article{arxiv.2509.12496,
title = {Localized Region Guidance for Class Activation Mapping in WSSS},
author = {Ali Torabi and Sanjog Gaihre and MD Mahbubur Rahman and Yaqoob Majeed},
journal= {arXiv preprint arXiv:2509.12496},
year = {2025}
}