ECCV 2024｜KTSE：基于知识传递的弱监督语义分割

文章预览

语义分割在自动驾驶等领域的广泛应用中扮演着至关重要的角色 (1) (2) 。然而，传统的语义分割模型往往依赖大量的像素级标注数据 (3)(4)(5) ，这不仅耗时费力，还限制了模型在大规模应用中的可行性。在弱监督语义分割（WSSS）领域，研究者们一直在寻求更高效的方法来减少标注需求，但现有的方法常常面临过度扩展和欠激活的问题 (6)(7) ，严重影响了目标的精准定位 (8) 。 为了解决这些挑战，地平线与合作伙伴在 ECCV 2024 上提出了一种全新的弱监督语义分割方法—— KTSE（Knowledge Transfer with Simulated Inter-Image Erasing）: 通过模拟图像间擦除实现知识传递的弱监督语义分割。 KTSE 通过引入额外的目标信息与模拟图像间擦除的过程，显著提升了网络的目标定位能力，避免了传统方法中常见的过度扩展问题 (9) 。KTSE 不仅在理论上提供了创新性的解决方案， ………………………………