通过重绘实现无监督物体分割
计算机视觉与模式识别
2019-12-02 v4 机器学习
机器学习
摘要
物体分割是一个关键问题，通常通过在由图像和相应物体掩码组成的超大规模数据集上使用监督学习方法来解决。由于掩码必须在像素级别提供，为任何新领域构建这样的数据集可能非常耗时。我们提出 ReDO，一种能够以无监督方式从图像中提取物体而无需任何标注的新模型。它基于这样的思想：应当可以在不改变数据集整体分布的情况下改变物体的纹理或颜色。遵循该假设，我们的方法基于一个对抗式架构，其中生成器由输入样本引导：给定一幅图像，它提取物体掩码，然后在相同位置重绘一个新物体。生成器由一个判别器控制，该判别器确保生成图像的分布与原始分布对齐。我们在不同数据集上用该方法进行实验，并展示了所提取掩码的良好质量。
引用
@article{arxiv.1905.13539,
title = {Unsupervised Object Segmentation by Redrawing},
author = {Mickaël Chen and Thierry Artières and Ludovic Denoyer},
journal= {arXiv preprint arXiv:1905.13539},
year = {2019}
}
备注
Presented at NeurIPS 2019