VALSE 论文速览 第74期：少样本语义分割新视角

论文题目：Learning What Not to Segment: A New Perspective on Few-Shot Segmentation

作者列表：郎春博 (西北工业大学)，程塨 (西北工业大学)，屠斌飞 (西北工业大学)，韩军伟 (西北工业大学)

B站观看网址：

https://www.bilibili.com/video/BV19A4y1d73H/

复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。

论文摘要：

近年来，少样本语义分割 (FSS)得到了广泛的发展。以往的大多数研究都试图通过分类任务衍生的元学习框架来实现泛化；然而，在这样的范式下训练的模型往往存在基类偏置，并非理想化的类别无关。本文提出了一种新颖、直接的方案来缓解上述问题。具体来说，我们在少样本分割模型 (元学习器)上应用一个额外的分支 (基学习器)来明确地识别基类的目标，即不需要分割的区域。然后，对两个学习器并行输出的粗结果进行自适应整合以得到精确的分割预测。考虑到元学习器的敏感性，我们引入调整因子来估计输入图像对之间的场景差异，进一步促进模型集成推理。令人惊讶的是，所提出的方案利用两个朴素的学习者便获得了最优异的性能指标，并能够扩展至更具挑战性的广义设置。

论文信息：

[1] Chunbo Lang, Gong Cheng, Binfei Tu, Junwei Han. Learning What Not to Segment A New Perspective on Few-Shot Segmentation. CVPR 2022.

论文链接：

[https://arxiv.org/abs/2203.07615]

代码链接：

[https://github.com/chunbolang/BAM]

视频讲者简介：

郎春博，西北工业大学博士生，研究方向为计算机视觉和图像处理，目前专注于少样本学习、语义分割和遥感图像解译。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：文碧汉 (南洋理工大学)、杨文瀚 (南洋理工大学)

季度责任AC：魏秀参 (南京理工大学)