点监督全景分割
计算机视觉与模式识别
2022-10-26 v1
摘要
在本文中，我们提出了一种将点点标注应用于弱监督全景分割的新方法。与全监督方法使用的稠密像素级标签不同，点级标签仅为每个目标提供单个点作为监督，显著减轻了标注负担。我们在一个端到端框架中表述该问题，同时由点级标签生成全景伪掩码并从中学习。为应对核心挑战即全景伪掩码生成，我们提出了一种通过最小化像素到点遍历代价来解析像素的原则性方法，该代价对语义相似性、低级纹理线索和高级流形知识进行建模以区分全景目标。我们在Pascal VOC和MS COCO数据集上开展实验以证明方法的有效性，并展现出弱监督全景分割问题中的最先进性能。代码可在https://github.com/BraveGroup/PSPS.git获取。
引用
@article{arxiv.2210.13950,
title = {Pointly-Supervised Panoptic Segmentation},
author = {Junsong Fan and Zhaoxiang Zhang and Tieniu Tan},
journal= {arXiv preprint arXiv:2210.13950},
year = {2022}
}
备注
Accepted to ECCV 2022