用于弱监督语义分割的掩码协同对比
计算机视觉与模式识别
2023-11-10 v6
摘要
本研究引入一种高效方法——掩码协同对比（MCC），以在弱监督语义分割中突出语义区域。MCC巧妙借鉴掩码图像建模与对比学习，设计出一种新颖框架，诱导键向语义区域收缩。与在生成掩码时直接擦除输入图像中块区域的流行技术不同，我们通过考察亲和矩阵上键的掩码来探究块令牌的邻域关系。此外，我们利用掩码局部输出并将其与全局输出对比，在对比学习中生成正样本与负样本。在常用数据集上的精细实验证明，所提MCC机制有效对齐图像内全局与局部视角，取得令人印象深刻的性能。源代码见 https://github.com/fwu11/MCC。
引用
@article{arxiv.2305.08491,
title = {Masked Collaborative Contrast for Weakly Supervised Semantic Segmentation},
author = {Fangwen Wu and Jingxuan He and Yufei Yin and Yanbin Hao and Gang Huang and Lechao Cheng},
journal= {arXiv preprint arXiv:2305.08491},
year = {2023}
}
备注
This work is accepted by WACV 2024