通用标注：跨数据集的草稿监督分段基准测试
计算机视觉与模式识别
2024-08-23 v1
摘要
本文介绍了 Scribbles for All，这是一个用于语义分段的标注和训练数据生成算法，基于草稿标签进行训练。近期，使用弱监督训练语义分段模型已成为重要主题，并取得了显著的模型质量进步。在这种设置下，草稿是实现高质量分段结果且所需标注工作远低于常规像素级密集语义分段标注的有前景的标签类型。草稿作为弱监督来源的主要限制是缺乏草稿分段的具有挑战性的数据集，这阻碍了新方法的开发和得票性评估。为克服这一限制，Scribbles for All 为多个流行的语义分段数据集提供草稿标签，并提供一种自动为任何具有密集标注的数据集生成草稿标签的算法，为该领域的弱监督分段提供新的见解和模型进展。除了数据集和算法，我们在数据集上评估了最先进的语义分段模型，表明使用我们合成标签训练的模型在与在手动标签上训练的模型方面表现相当。因此，我们的数据集使最先进的草稿标记语义分段方法得以研究。数据集、草稿生成算法和基线模型均可在 https://github.com/wbkit/Scribbles4All 公开获取。
引用
@article{arxiv.2408.12489,
title = {Scribbles for All: Benchmarking Scribble Supervised Segmentation Across Datasets},
author = {Wolfgang Boettcher and Lukas Hoyer and Ozan Unal and Jan Eric Lenssen and Bernt Schiele},
journal= {arXiv preprint arXiv:2408.12489},
year = {2024}
}
备注
under review