PFENet++：利用噪声滤波的上下文感知先验掩码提升少样本语义分割
计算机视觉与模式识别
2023-11-22 v2
摘要
在这项工作中，我们重新审视“Prior Guided Feature Enrichment Network for Few-Shot Segmentation”中提出的先验掩码引导。先验掩码作为一种指示器，突出未见类别的感兴趣区域，并且在近期研究的不同框架中能有效实现更好的性能。然而，当前方法直接取查询与支持特征之间最大逐元素对应关系来指示属于目标类的概率，因此在先验掩码生成过程中很少利用更广泛的上下文信息。为解决此问题，首先，我们提出上下文感知先验掩码（CAPM），其利用额外的邻近语义线索以更好地定位查询图像中的物体。其次，由于最大相关值易受噪声特征影响，我们进一步引入轻量级噪声抑制模块（NSM）来筛除不必要的响应，从而产生用于提供先验知识的高质量掩码。两项贡献均在实验中显示出显著的实际价值，且名为 PFENet++ 的新模型在三个具有挑战性的基准 PASCAL-5、COCO-20 和 FSS-1000 上显著优于基线 PFENet 以及所有其他竞争对手。在不牺牲效率的情况下实现了新的最先进性能，显示出成为少样本语义分割新强基线的潜力。我们的代码将发布于 https://github.com/luoxiaoliu/PFENet2Plus。
引用
@article{arxiv.2109.13788,
title = {PFENet++: Boosting Few-shot Semantic Segmentation with the Noise-filtered Context-aware Prior Mask},
author = {Xiaoliu Luo and Zhuotao Tian and Taiping Zhang and Bei Yu and Yuan Yan Tang and Jiaya Jia},
journal= {arXiv preprint arXiv:2109.13788},
year = {2023}
}
备注
The first two authors contribute equally and are listed in alphabetical order