面向少样本分割的多内容交互网络
计算机视觉与模式识别
2023-05-03 v2
摘要
少样本分割（FSS）因支持图像有限且类内表观差异大而具有挑战性。现有多数方法聚焦于提取同层高层表征以进行支持-查询关联，忽视了因支持与查询样本间巨大差异导致的不同层与尺度间的偏移问题。本文提出多内容交互网络（MCINet）以解决该问题，通过充分挖掘并交互支持-查询对中包含的多尺度上下文信息来补充同层关联。具体而言，MCINet 从以下角度改进 FSS：将另一查询分支的低层结构信息融入高层语义特征以增强查询表征；利用同层与相邻层特征加强支持-查询关联；以及通过多尺度掩码预测策略精炼预测结果，借此不同尺度内容实现了双向交互。在两个基准上的实验表明，我们的方法达到了 SOTA 性能，并以诸多理想优势超越最佳竞争者，尤其在具挑战性的 COCO 数据集上。
引用
@article{arxiv.2303.06304,
title = {Multi-Content Interaction Network for Few-Shot Segmentation},
author = {Hao Chen and Yunlong Yu and Yonghan Dong and Zheming Lu and Yingming Li and Zhongfei Zhang},
journal= {arXiv preprint arXiv:2303.06304},
year = {2023}
}