SSR：基于CLIP的弱监督分割中的语义与空间校正
计算机视觉与模式识别
2025-12-23 v2
摘要
近年来，基于对比语言-图像预训练(CLIP)的强大的跨模态语义理解能力，使其广泛应用于弱监督语义分割(WSSS)任务。本文提出一种新颖的语义与空间校正(SSR)方法，以解决现有CLIP-based弱监督语义分割方法的局限性：在非目标前景区域和背景区域过度激活。具体而言，在语义层面，跨模态原型对齐(CMPA)建立对比学习机制，以实现跨模态特征空间的对齐，减少类别间重叠同时增强语义相关性，从而有效校正非目标前景区域的过度激活；在空间层面，基于超像素的校正(SGC)利用超像素的空间先验，精确过滤掉非目标区域在亲和力传播中的干扰，显著校正背景的过度激活。大量实验表明，在PASCAL VOC和MS COCO数据集上，我们的方法优于所有单阶段方法以及更复杂的多阶段方法，分别实现了79.5%和50.6%的mIoU。
引用
@article{arxiv.2512.01701,
title = {SSR: Semantic and Spatial Rectification for CLIP-based Weakly Supervised Segmentation},
author = {Xiuli Bi and Die Xiao and Junchao Fan and Bin Xiao},
journal= {arXiv preprint arXiv:2512.01701},
year = {2025}
}
备注
Accepted in AAAI 2026