自监督剪切与粘贴生成对抗网络用于物体分割

Jan, 2023

Self-Supervised Object Segmentation with a Cut-and-Pasting GAN

Kunal Chaturvedi, Ali Braytee, Jun Li, Mukesh Prasad

TL;DR本文提出了一种基于自监督的 Cut-and-Paste GAN 方法，可以在不需要手动注释标记的情况下进行前景对象分割和生成逼真的合成图像，并且采用了 U-Net 判别器，通过伪标签学习语义和结构信息来扩展标准判别器的能力。实验结果表明，该方法显著优于标准基准数据集上的现有方法。

Abstract

This paper proposes a novel self-supervised based cut-and-paste gan to perform foreground object segmentation and generate realistic compo