用于无监督交互式分割的多粒度交互模拟
计算机视觉与模式识别
2023-03-24 v1
摘要
交互式分割通过提供物体提示使用户能按需分割，这为图像编辑与医学图像分析等诸多领域引入了人机交互。通常，通过面向物体的交互与人工标注的物体掩码，需耗费大量且广泛的像素级标注来训练深度模型。本工作中，我们揭示：在无监督范式下，可通过语义一致且多样的区域探索进行模拟，从而产生信息丰富的交互。具体而言，我们提出多粒度交互模拟（MIS）方法，为无监督交互式分割开辟了一个有前景的方向。借助近期自监督模型生成的高质量稠密特征，我们提出逐步合并具有相似特征的块或区域以形成更广的区域，从而每个合并区域充当具有语义意义的多种粒度提议。通过随机采样这些提议并基于它们模拟可能的交互，我们提供多粒度的有意义交互以教导模型理解交互。我们的MIS显著优于非深度学习的无监督方法，甚至可与某些先前的深度监督方法相媲美，且无需任何标注。
引用
@article{arxiv.2303.13399,
title = {Multi-granularity Interaction Simulation for Unsupervised Interactive Segmentation},
author = {Kehan Li and Yian Zhao and Zhennan Wang and Zesen Cheng and Peng Jin and Xiangyang Ji and Li Yuan and Chang Liu and Jie Chen},
journal= {arXiv preprint arXiv:2303.13399},
year = {2023}
}