提示类别聚类用于弱监督语义分割
计算机视觉与模式识别
2025-04-08 v2
摘要
弱监督语义分割（WSSS）利用图像级标签，因其成本效益而受到广泛关注。以往的方法主要加强类间差异以避免类别语义模糊，这可能导致错误激活。然而，它们忽略了相似类别之间某些共享信息的积极作用。同一聚类中的类别共享一些相似特征。允许模型识别这些特征可以进一步缓解这些类别之间的语义模糊。为了有效识别和利用这些共享信息，本文提出了一种新的WSSS框架，称为提示类别聚类（PCC）。具体来说，我们探索了大型语言模型（LLM）通过提示推导类别聚类的能力。这些聚类有效地表示了类别之间的内在关系。通过将这些关系信息整合到训练网络中，我们的模型能够更好地学习类别之间的隐藏联系。实验结果表明了我们的方法的有效性，展示了其在PASCAL VOC 2012数据集上提升性能并超越现有最先进WSSS方法的能力。
引用
@article{arxiv.2412.13823,
title = {Prompt Categories Cluster for Weakly Supervised Semantic Segmentation},
author = {Wangyu Wu and Xianglin Qiu and Siqi Song and Xiaowei Huang and Fei Ma and Jimin Xiao},
journal= {arXiv preprint arXiv:2412.13823},
year = {2025}
}
备注
Accepted at CVPR 2025 ELVM