作为基于语义的正则化的弱监督分割

弱监督语义分割 (WSSS) 从部分或粗略注释（例如边界框、涂鸦或图像级标签）训练密集像素级分割模型。虽然最近的工作利用分段任意模型 (SAM) 等基础模型来生成伪标签，但这些方法通常依赖于启发式提示选择，并且提供了有限的方法来合并先验知识或异构标签。我们通过采取神经符号的角度来解决这一差距：将可微模糊逻辑与深度分割模型相结合。弱注释和特定领域先验被统一为连续逻辑约束，在弱监督下微调 SAM。然后，改进的基础模型会产生改进的伪标签，我们从中训练第二阶段的无提示分割模型。 Pascal VOC 2012 和 REFUGE2 视盘/视杯分割数据集上的实验表明，我们的逻辑引导 微调 可以产生更高质量的伪标签，从而实现最先进的分割精度，通常超过密集监督的基线。