弱监督分割作为语义正则化
计算机视觉与模式识别
2026-05-14 v1 人工智能
摘要
弱监督语义分割（WSSS）通过边界框、草图或图像级标签等部分或粗糙注释来训练密集像素级分割模型。虽然最近的研究利用Segment Anything Model（SAM）等基础模型生成伪标签，但这些方法通常依赖于启发式提示选择，且提供有限的方式来整合先验知识或异构标签。为此，我们采用神经符号方法：将可微 fuzzy 逻辑与深度分割模型集成。弱注释和领域特定先验统一为连续逻辑约束，用于对SAM进行弱监督微调。经逻辑引导的微调后，基础模型会生成更高质量的伪标签，从而用于训练第二个阶段无提示分割模型。在Pascal VOC 2012和REFUGE2视网膜盘/盘沟分割数据集上的实验表明，逻辑引导的微调产生更高质量的伪标签，导致分割精度达到最先进水平，常常超过密集监督的基线。
引用
@article{arxiv.2605.13674,
title = {Weakly Supervised Segmentation as Semantic-Based Regularization},
author = {Stefano Colamonaco and Andrei-Bogdan Florea and Jaron Maene},
journal= {arXiv preprint arXiv:2605.13674},
year = {2026}
}