Synthetic instance segmentation from semantic image segmentation masks

Yuchen Shen

doi:10.1016/j.knosys.2025.114639

Synthetic instance segmentation from semantic image segmentation masks

2025-10-15

0

PRE

AI

DOI：10.1016/j.knosys.2025.114639

原文链接

原文求助

摘要

En 中文

近年来，实例分割在各种应用中获得了广泛关注。然而，训练一个全监督的实例分割模型需要实例级和像素级标注，这些标注获取成本高昂。相比之下，弱监督实例分割方法（如使用图像级类别标签或点标签的方法）往往难以满足实际场景中的精度和召回率要求。在本文中，我们提出了一种新型范式，称为合成实例分割（SISeg）。SISeg通过利用现有语义分割模型生成的图像掩码来实现实例分割结果。它具有高度效率，因为它不需要额外的语义分割训练或使用实例级图像标注。换句话说，所提出的模型消除了额外的人工努力或更高的计算开销。具体而言，我们首先通过现有语义分割模型获取输入图像的语义分割掩码。然后，我们基于分割掩码为每个像素计算一个位移场向量，该向量能够区分属于同一类别但不同实例的表示，即提取实例级对象信息。最后，实例分割结果通过一个可学习的类别无关的对象边界分支进行优化。在两个具有挑战性的数据集上的大量实验结果突显了SISeg在实现与最先进方法（尤其是全监督方法）相比具有竞争力的性能方面的有效性。代码将在：SISeg

Synthetic instance segmentation from semantic image segmentation masks

摘要

期刊

机构

引用论文