一次性联合协同定位与协同分割

本文提出一种新颖框架，其中图像协同分割与协同定位被转化为一个单一的优化问题，以非常弱监督的方式将低级外观线索与高级定位线索的信息结合起来。与利用共享表示学习相似任务的多任务学习范式不同，所提框架在两个不同层次上利用两种表示，并使用判别聚类在边界框和超像素层次上同时区分前景与背景。我们通过实验表明，在不同尺度上约束这两个问题能够实现语义定位线索的迁移以改进协同分割输出，而基于局部外观的分割线索有助于协同定位。该统一框架在四个基准数据集上大幅优于分别学习这两个问题的强基线方法。此外，它在两个基准数据集上获得了与最先进的协同分割相竞争的结果，并在Pascal VOC 2007上获得了协同定位的第二佳结果。