SEMPART：图像语义的自监督多分辨率划分
计算机视觉与模式识别
2023-09-21 v1 机器学习
摘要
在标注数据稀缺时，准确确定图像的显著区域具有挑战性。基于 DINO 的自监督方法近期利用了块级特征所捕获的有意义图像语义来定位前景目标。近期方法也引入了直观先验，并在无监督目标划分方法中展现了价值。本文提出 SEMPART，它在一幅图像基于 DINO 的语义图上联合推断粗粒度和细粒度二划分。此外，SEMPART 利用图驱动正则化保留精细边界细节，并成功将粗掩码语义蒸馏到细掩码中。我们的显著目标检测与单目标定位结果表明，SEMPART 无需额外后处理即可快速生成高质量掩码，并从粗、细分支的协同优化中获益。
引用
@article{arxiv.2309.10972,
title = {SEMPART: Self-supervised Multi-resolution Partitioning of Image Semantics},
author = {Sriram Ravindran and Debraj Basu},
journal= {arXiv preprint arXiv:2309.10972},
year = {2023}
}