少样本分割的遮罩跨图像编码
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种名为 Masked Cross-Image Encoding (MCE) 的联合学习方法，用于解决很少有标注样本的图像分割任务，通过捕捉物体细节，学习双向跨图像依赖关系来增强特征交互，进而提高元学习能力，在 PASCAL-$5^i$ 和 COCO-$20^i$ 的 FSS 基准测试中取得了先进的结果。
该文介绍了一种新颖的自监督式FSS框架，用于解决图像分解问题。该方法通过特征亲和力矩阵的特征向量分析来估计感兴趣对象的分布，并利用从支持图像获得的特征向量自适应地估计查询掩码，从而消除了手动注释的需求。同时，引入了多尺度大卷积核注意力模块，提高了对支持图像提供的信息进行查询图像解码的能力。实验结果表明，该方法在自然和医学图像数据集上具有高效性和有效性。
