自支持少样本语义分割
计算机视觉与模式识别
2022-07-26 v1
摘要
现有少样本分割方法基于支持-查询匹配框架已取得很大进展，但仍严重受限于所提供的少样本支持对类内变化的覆盖不足。受简单格式塔原则（同属一个物体的像素比同类不同物体的像素更相似）的启发，我们提出一种新颖的自支持匹配策略以缓解该问题，其利用查询原型匹配查询特征，其中查询原型收集自高置信度查询预测。该策略能有效捕捉查询对象的一致底层特征，从而适配地匹配查询特征。我们还提出了自适应自支持背景原型生成模块与自支持损失，以进一步促进自支持匹配过程。我们的自支持网络大幅提升了原型质量，从更强骨干网络和更多支持中获益更多，并在多个数据集上达到 SOTA。代码见 \url{https://github.com/fanq15/SSP}。
引用
@article{arxiv.2207.11549,
title = {Self-Support Few-Shot Semantic Segmentation},
author = {Qi Fan and Wenjie Pei and Yu-Wing Tai and Chi-Keung Tang},
journal= {arXiv preprint arXiv:2207.11549},
year = {2022}
}
备注
ECCV 2022