P2Seg：通过相互蒸馏实现点级监督分割
计算机视觉与模式识别
2024-01-19 v1
摘要
点级监督实例分割 (PSIS) 旨在利用低成本但包含实例信息的标注来增强实例分割的适用性和可扩展性。现有的 PSIS 方法通常依赖位置信息来区分物体，但由于缺乏轮廓标注，预测精确边界仍然具有挑战性。然而，弱监督语义分割方法擅长利用类内特征一致性来捕捉同一语义区域的边界轮廓。在本文中，我们设计了一个相互蒸馏模块 (MDM)，以利用实例位置和语义信息的互补优势，实现准确的实例级物体感知。MDM 由语义到实例 (S2I) 和实例到语义 (I2S) 两部分组成。S2I 由语义区域的精确边界引导，学习标注点与实例轮廓之间的关联。I2S 利用实例间的判别关系，促进语义图中不同物体的区分。大量实验证实了 MDM 在促进实例与语义信息协同方面的有效性，从而提高了实例级物体表示的质量。我们的方法在 PASCAL VOC 和 MS COCO 数据集上分别取得了 55.7 mAP和 17.6 mAP 的成绩，显著优于近期的 PSIS 方法及若干框级监督实例分割竞争对手。
引用
@article{arxiv.2401.09709,
title = {P2Seg: Pointly-supervised Segmentation via Mutual Distillation},
author = {Zipeng Wang and Xuehui Yu and Xumeng Han and Wenwen Yu and Zhixun Huang and Jianbin Jiao and Zhenjun Han},
journal= {arXiv preprint arXiv:2401.09709},
year = {2024}
}
备注
14 pages, 12 figures, published to ICLR2024