BriefGPT - AI 论文速递
·
利用文本监督进行参考图像分割
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
我们提出了一种新颖的弱监督引用图像分割框架，通过利用已有的引用文本来定位目标物体。我们的框架具有三个创新点：协调视觉和语言特征之间的域差异，减少噪声背景信息并提高响应图的正确性，生成高质量的伪标签用于训练分割网络。实验证明，我们的框架在性能上优于最新的弱监督方法。
🎯
关键要点
- 提出了一种新颖的弱监督引用图像分割框架。
- 框架通过分类过程中的正负文本表达区分来定位目标物体。
- 三个主要创新点：协调视觉和语言特征的域差异、减少噪声背景信息、生成高质量的伪标签。
- 采用双向提示方法和校准方法提高响应图的正确性。
- 通过正响应图选择策略生成伪标签用于训练分割网络。
- 在四个基准数据集上的实验表明，框架性能优于最新的弱监督方法。
➡️
