重新思考交互式图像分割：特征空间标注
计算机视觉与模式识别
2022-07-12 v3
摘要
尽管交互式图像分割方法取得进展，高质量的像素级标注仍耗时费力——这是若干深度学习应用的瓶颈。我们退一步提出由特征空间投影引导的、来自多图像的交互式同步分割标注。该策略与现有在图像域执行标注的交互式分割方法形成鲜明对比。我们表明，在前景分割数据集iCoSeg、DAVIS和Rooftop上，特征空间标注取得了与最先进方法（SOTA）竞争的结果。此外，在语义分割场景下，其在Cityscapes数据集上达到91.5%准确率，比原始标注流程快74.75倍。进而，我们的贡献为可结合现有方法的交互式图像标注新方向提供了启示。补充材料给出了视频演示。代码见 https://github.com/LIDS-UNICAMP/rethinking-interactive-image-segmentation。
引用
@article{arxiv.2101.04378,
title = {Rethinking Interactive Image Segmentation: Feature Space Annotation},
author = {Jord{ã}o Bragantini and Alexandre X Falc{ã}o and Laurent Najman},
journal= {arXiv preprint arXiv:2101.04378},
year = {2022}
}