单阶段弱监督语义分割：从点注释到复杂场景的高性能

"本文介绍了一种单阶段弱监督语义分割方法，旨在克服现有方法在处理复杂场景时的局限性，提高性能并简化训练过程。该方法不依赖预先训练的骨干网络，而是利用点注释生成可靠且即时的伪掩模，从而在不同数据集复杂性上展现出良好的推广能力。在基准数据集PascalVOC2012及多个真实世界数据集上的实验表明，该方法相较于其他SOTA WSSS方法和多阶段基线有显著的性能提升。" 弱监督语义分割（WSSS）是计算机视觉领域的一个关键问题，它尝试通过有限的注释信息（如图像级、点或框标签）来实现像素级别的类别划分。传统的方法通常依赖于大量逐像素标注的数据，但这种标注方式成本高昂且耗时。因此，研究者转向弱监督策略以减少对完整标注的依赖。 本研究提出的单阶段方法强调了减少训练复杂性和提高模型泛化能力的重要性。它不采用多阶段训练，避免了使用预训练的分类网络或额外的细化任务，这通常是弱监督方法中常见的做法。通过点注释，该方法能够生成高质量的伪掩模，这些掩模经过细化和空间过滤，可以为复杂场景提供准确的语义分割结果。 以往的方法在处理具有高复杂性的数据集时，如包含大量对象、不同尺度和多样性的场景，往往表现不佳。图1展示了数据集复杂性的差异，传统SOTA主要关注以对象为中心的数据集，如PascalVOC2012，而新方法的目标是扩展到更广泛的复杂场景。实验结果显示，该方法在CRAID、CityPersons、IAD、ADE20K和CityScapes等数据集上都表现出色，性能提升显著。 论文中提到，图像级注释虽然成本较低，但在复杂场景中往往不足，因为它们无法捕获精细的像素级信息。相比之下，点注释提供了更丰富的上下文，有助于生成更具细节的分割结果。此外，通过避免多阶段训练，这种方法降低了网络复杂性，提高了训练效率。 总结来说，这篇论文介绍的单阶段弱监督语义分割方法在处理复杂场景时展现了强大的性能和泛化能力，为未来在更多实际应用中的语义分割任务提供了新的解决方案。通过简化训练流程和提高模型在不同数据集复杂性上的表现，这种方法对于减少对详尽标注的依赖和促进弱监督学习在语义分割领域的进步具有重要意义。