采样与滤波：通过高效滤波的非参数场景解析

场景解析在计算机视觉中引起了大量关注。虽然参数模型已被证明对该任务有效，但它们不易整合新的训练数据。相比之下，非参数方法绕过任何学习阶段，直接将训练数据的标签转移到查询图像，可以轻易利用新标记的样例。不幸的是，由于其标签转移过程的计算成本，最先进的非参数方法通常过滤掉大多数训练图像，只保留少数相关的来标记查询。因此，这些方法丢弃了许多仍包含有价值信息的图像，并且通常获得不平衡的标记样本集。在本文中，我们引入了一种遵循采样与滤波策略的场景解析非参数方法。更具体地说，我们提出根据图像相似性分数对标记超像素进行采样，这使我们能够获得平衡的样本集。然后，我们将标签转移表述为高效的滤波过程，这让我们比现有技术利用更多标记样本。我们的实验证明了我们的方法在两个基准数据集上优于最先进的非参数方法。