分割匹配用于归纳零样本语义分割-计算机科学-机器学习-零样本语义分割.pdf

分割匹配用于归纳零样本语义分割-计算机科学-机器学习-零样本语义分割.pdf

  1. 1、本文档共16页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
零样本语义分割(ZSS)旨在分割在训练期间未标注的类别。虽然微调视觉-语言模型已取得令人鼓舞的结果,但由于缺乏对未见类别的监督,这些模型往往过度拟合到已见类别。作为一种完全监督方法的替代方案,基于查询的分割在零样本语义分割中展示了巨大的潜力,因为它能够在不依赖显式标签的情况下实现对象定位。然而,传统匈牙利匹配作为基于查询框架的核心组成部分,需要全面的监督,并且在ZSS设置下经常将未见类别错误分类为背景。为了解决这一问题,我们提出了一种名为分割匹配(SM)的新分配策略,该策略将匈牙利匹配分解为

分割匹配用于归纳零样本语义分割

JialeiChen11NagoyaUniversity

2AIThrust,HKUST(GZ)

XuZheng2,33

INSAIT,SofiaUniversity,St.Kliment

Ohridski

DongyueLi2

ChongYi1

SeigoIto1

2

DandaPaniPaudel3

v

3

2

03

LucVanGool

5

0

.

51

HiroshiMurase

0

5

2

:

DaisukeDeguchi1

v

i

x

r

a

摘要

零样本语义分割(ZSS)旨在分割在训练期间未标注的类别。虽然微调视觉-语

言模型已取得令人鼓舞的结果,但由于缺乏对未见类别的监督,这些模型往往过

度拟合到已见类别。作为一种完全监督方法的替代方案,基于查询的分割在零样

本语义分割中展示了巨大的潜力,因为它能够在不依赖显式标签的情况下实现对

象定位。然而,传统匈牙利匹配作为基于查询框架的核心组成部分,需要全面的

监督,并且在ZSS设置下经常将未见类别错误分类为背景。为了解决这一问题,

我们提出了一种名为分割匹配(SM)的新分配策略,该策略将匈牙利匹配分解为

©2025.Thecopyrightofthisdocumentresideswithitsauthors.

Itmaybedistributedunchangedfreelyinprintorelectronicforms.

2

ExistingQuery-basedMethodOurmethod

UnlabeledUnlabeledCandidateCandidate

CLIPVisual

BearBear

Bear

(Seen)(Seen)Encoder(Seen)

SeenLabelSeenLabelUnseenPseudoMask

PseudoMask

QueriesQueries

:Bear:Bear

Query-basedHungarian:NoneQuery-basedSplit:Potential

SegmentorMatching:NoneSegmentorMatching:None

Image

文档评论(0)

zikele + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档