基于图像级标签的弱监督语义分割：从传统模型到基础模型

深度学习的快速发展推动了图像语义分割——计算机视觉中的基础任务——的重大进展。语义分割算法常依赖于像素级标签（即物体掩码）的可用性，其获取昂贵、耗时且费力。弱监督语义分割（WSSS）是避免此类标注的有效方案。它仅利用部分或不完整标注，为全监督语义分割提供经济替代。在本期刊中，我们聚焦于基于图像级标签的 WSSS，其为最具挑战性的 WSSS 形式。我们的工作包含两部分。首先，我们对传统方法进行全面综述，主要关注顶级研究会议上发表的方法。我们依方法作用位置将其分为四类：像素级、图像级、跨图像级与外部数据级。其次，我们考察视觉基础模型（如 Segment Anything Model（SAM））在 WSSS 中的适用性。我们在两种有趣场景下审视 SAM：文本提示与零样本学习。我们就部署视觉基础模型于 WSSS 的潜力与挑战提供见解，以促进这一令人振奋研究领域的未来发展。