面向视觉少样本分类的对象中心裁切
计算机视觉与模式识别
2025-08-04 v1 机器学习
摘要
在少样本图像分类领域，使用每类仅一个样本的情况下，来自多个对象或复杂背景的图像歧义会显著损害性能。我们的研究表明，融合关于对象在其图像中局部位置的额外信息，可显著提升跨多个基准测试的分类性能。更重要的是，我们表明，通过仅指示感兴趣对象的像素，即可通过使用 Segment Anything Model 或完全无监督的前景对象提取方法来实现显著的性能提升。
引用
@article{arxiv.2508.00218,
title = {Object-Centric Cropping for Visual Few-Shot Classification},
author = {Aymane Abdali and Bartosz Boguslawski and Lucas Drumetz and Vincent Gripon},
journal= {arXiv preprint arXiv:2508.00218},
year = {2025}
}