跳到正文
arXiv · 机器人与计算机视觉· Armin Dadras, Robert Sablatnig, Franziska Proksa, Markus Seidl·· 17 天前精选AI 评分78

单标注多假设分割:基于语义 - 空间残差银行的方法

Single-Annotation, Multi-Hypothesis Segmentation with Semantic-Spatial Residual Banks

AI 导读

针对单图像仅含一个标注却需覆盖多种有效掩码的挑战,研究提出语义 - 空间残差银行方法。该方法冻结经平衡分配训练的语义特征以保留结构分组,同时学习图像残差以捕捉局部边界与范围变化。在五个医学终点及 BSDS 数据集上验证了其在保持区域分组的同时提升对未见过标注的覆盖能力,并产生更多有用的独立掩码。

推荐理由

提出语义 - 空间残差银行方法,在单标注约束下提升多假设分割的覆盖度与结构保持能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org