arXiv · 机器人与计算机视觉· Minheng Wu, Di Wen, Ruiping Liu, Junwei Zheng, Yufan Chen, Kailun Yang, Kunyu Peng·· 9 天前精选AI 评分78
草图监督分割的失效机制:一项基于审计的标注鲁棒性基准
What Breaks Scribble-Supervised Segmentation? An Audit-Informed Benchmark for Scribble Annotation Robustness
AI 导读
针对草图监督分割在固定标注集评估下对语义和几何缺陷鲁棒性不足的问题,作者引入六种受控扰动算子(包括类别腐蚀、空间偏移、方向扰动等)并构建可复现基准。实验显示,在最强设置下,类别腐蚀使 mIoU 从 70.08 骤降至 1.46,而语义锚点腐蚀造成最大性能退化。该基准旨在诊断标注鲁棒性而非仅依赖干净集准确率,代码已开源。
推荐理由
该工作通过审计驱动建立了草图标注鲁棒性基准,量化了语义与几何扰动对分割性能的影响。
来源:arXiv · 机器人与计算机视觉 · arxiv.org