面向小样本分割的任务干扰背景抑制
计算机视觉与模式识别
2023-12-27 v1
摘要
小样本分割旨在仅使用少量标注的支持图像，在查询图像中准确分割新的目标对象。近期工作利用支持背景及其前景来精确计算查询与支持之间的密集相关性。然而，它们忽略了通常包含多种类型对象的背景特性。本文强调背景的这一特性可能带来以下问题：(1) 当查询和支持背景不相似时；(2) 当支持背景中的对象与查询中的目标对象相似时。如果不考虑上述情况，采用整个支持背景会导致将查询前景误预测为背景。为解决此问题，我们提出任务干扰背景抑制（TBS）模块，该模块基于两个空间分数（查询相关分数和目标相关分数）来抑制那些干扰性的支持背景特征。前者旨在减轻仅存在于支持背景中的非共享特征的影响，后者旨在减少与目标相似的支持背景特征的影响。基于这两个分数，我们定义了一个查询背景相关分数，用于捕获查询和支持背景之间的相似性，并利用它来缩放支持背景特征，以自适应地限制干扰性支持背景的影响。我们提出的方法在PASCAL-5和COCO-20数据集上的1-shot分割中达到了最先进的性能。我们的官方代码可在github.com/SuhoPark0706/TBSNet获取。
引用
@article{arxiv.2312.15894,
title = {Task-Disruptive Background Suppression for Few-Shot Segmentation},
author = {Suho Park and SuBeen Lee and Sangeek Hyun and Hyun Seok Seong and Jae-Pil Heo},
journal= {arXiv preprint arXiv:2312.15894},
year = {2023}
}