通过模仿视觉效应的图-底分割无监督元学习
计算机视觉与模式识别
2018-12-21 v1
摘要
本文提出一种用于图-底图像分割的“学会学习”方法。通过探索网络上丰富的具有特定视觉效应的图像，我们的方法能以无监督方式有效学习视觉效应的内部表示，并利用该知识区分图像中的图与底。具体而言，我们将元学习过程表述为一个组合式图像编辑任务，学习模仿某种视觉效应并推导相应的内部表示。这样的生成过程有助于实例化潜在的图-底概念，并使系统能够完成预期的图像分割。尽管现有生成方法多专为图像合成或风格迁移而设计，我们的方法提供了一种灵活的学习机制，可从无显式像素级标注的非组织图像中建模图-底分割的通用概念。我们在六个数据集上通过大量实验验证本方法，表明所提模型无需真值像素标注即可端到端训练，且在无监督分割任务上优于现有方法。
引用
@article{arxiv.1812.08442,
title = {Unsupervised Meta-learning of Figure-Ground Segmentation via Imitating Visual Effects},
author = {Ding-Jie Chen and Jui-Ting Chien and Hwann-Tzong Chen and Tyng-Luh Liu},
journal= {arXiv preprint arXiv:1812.08442},
year = {2018}
}