弱监督语义分割的全对一一致性学习

ICCVAug, 2023

弱监督语义分割的全对一一致性学习

All-pairs Consistency Learning for Weakly Supervised Semantic Segmentation

Weixuan Sun, Yanhao Zhang, Zhen Qin, Zheyuan Liu, Lin Cheng...

TL;DR通过提出新的基于 Transformer 的正则化方法，我们改进了弱监督语义分割（WSSS）中的目标定位问题。我们引入了一种全对一的一致性正则化方法，以保持不同图像增强之间的激活强度不变，并确保在每个 CAM 中的区域之间的关联保持一致。此外，我们还引入了一种利用类令牌梯度的新型类别定位方法。我们的方法可以无缝地集成到使用 Transformer 的现有 WSSS 方法中，并在 PASCAL VOC 和 MS COCO 数据集上得到了卓越的 WSSS 性能。

Abstract

In this work, we propose a new transformer-based regularization to better localize objects for weakly supervised semantic segmentation (WSSS). In image-level WSSS, Class Activation Map (CAM) is adopted to generat

transformer-based regularization weakly supervised semantic segmentation class activation map (cam)consistency regularization all-pairs consistency regularization (acr)

发现论文，激发创造

双增强变换器网络用于弱监督语义分割

通过使用双增强变换网络和自正则化约束，为弱监督语义分割（WSSS）问题提供一种有效的解决方法，该方法通过将 CNN 和 Transformer 网络相结合进行相互补充学习，并在最终输出上进行增强来改善分割效果。在具有挑战性的 PASCAL VOC 2012 基准测试上进行的大量系统评估结果表明，该方法的有效性优于先前的最先进方法。

Sep, 2023

基于像素原型对比的弱监督语义分割

本文提出了一种基于像素级原型对比度的弱监督语义分割方法，通过两种直观的先验知识，对图像的不同视角和单个视角内进行执行，旨在实施跨视图特征语义一致性规则，并促进特征空间的内部（间）类一致性（离散度），从而提高了两个强基线模型的精度，并在 PASCAL VOC 2012 上实现了新的最先进水平。

Oct, 2021

无监督对象定位和语义分割中，不考虑类别的激活映射对比学习

该研究提出了使用无标签图像数据进行不需要图像级监督的类无关激活图生成的对比学习方法（Contrastive learning for Class-agnostic Activation Map），得到了更完整的物体区域，并应用于弱监督目标定位和语义分割中。

Mar, 2022

弱监督语义分割的激活调制和重新校准方案

提出了一种活动调制和校准 (AMR) 方案，利用聚光分支和补偿分支获得加权的 CAMs，提供重新校准和任务特定的概念来提高图像级弱监督语义分割的性能。

Dec, 2021

弱监督语义分割的注意力图背景噪声消除

基于 Conformer 的 TransCAM 方法在弱监督语义分割中解决了背景噪声的问题，减少了背景噪声的影响，提高了伪标签的准确性。在实验中，我们的模型在 PASCAL VOC 2012 验证数据上达到了 70.5% 的分割性能，在测试数据上达到了 71.1% 的分割性能，在 MS COCO 2014 数据上达到了 45.9% 的分割性能，优于 TransCAM 方法。

Apr, 2024

弱监督语义分割的问题 - 答案跨语言图像匹配

我们提出了一种基于问题回答跨语言图像匹配框架，利用视觉语言基础模型来最大化对图像的基于文本的理解，并引导激活图的生成，以解决现有激活地图方法在目标物体区域低激活和背景区域误激活的问题。

Jan, 2024

GETAM：针对弱监督语义分割的梯度加权元素级 Transformer 注意力图

本文针对弱监督下的语义分割问题，提出了基于 Transformer 的方法，并引入了 Gradient weighted Element wise Transformer Attention Map（GETAM）来提高分类器的效果，并在 PASCAL VOC 和 COCO 数据集上实现了优于现有技术的结果。

Dec, 2021

增强弱监督分割的高保真伪标签

该论文提出了一种基于图片分类网络和概率解释 CAM 的图像级弱监督语义分割方法来改善先前弱监督下模型的性能，通过提高区域相似性和轮廓质量来增强几乎任何以前的 WSSS 方法，并在 PASCAL VOC 数据集上进行了演示。

Apr, 2023

语义分割的交换分配弱监督共训练

提出了一种采用引导类激活图的端到端弱监督语义分割模型 CoSA，通过交替学习和三种技术的引入，有效减少了类激活图的不一致性和错误，达到了优于现有方法的性能。

Feb, 2024

基于语义约束匹配的弱监督目标定位 Transformer

本研究提出了一种基于转换器的新型语义约束匹配网络（SCMN），通过匹配从成对图像中提取的粗糙类激活图（CAMs），从而隐式引导和校准转换器网络以缓解发散激活问题，在 CUB-200-2011 和 ILSVRC 数据集上进行的大量实验结果显示，我们的方法可以达到最新的最优性能，并且在性能上超过之前方法很大幅度。

Sep, 2023