基于超像素与图神经网络的无监督图像语义分割
计算机视觉与模式识别
2022-10-24 v1
摘要
无监督图像分割在标注数据稀缺的许多真实场景中是重要任务。本文提出一种新颖方法，以端到端方式结合互信息最大化（MIM）、神经超像素分割和图神经网络（GNNs）的最新无监督学习进展，这一方式尚未被探索。我们利用超像素的紧凑表示并将其与GNN结合，以学习图像强且具语义意义的表示。具体而言，我们展示了基于GNN的方法能够建模图像中远距离像素间的交互，并作为现有CNN的强先验以提升准确率。我们的实验在四个流行数据集上揭示了该方法相比当前最先进方法在定性和定量上的优势。
引用
@article{arxiv.2210.11810,
title = {Unsupervised Image Semantic Segmentation through Superpixels and Graph Neural Networks},
author = {Moshe Eliasof and Nir Ben Zikri and Eran Treister},
journal= {arXiv preprint arXiv:2210.11810},
year = {2022}
}