arXiv · AI· Stefano Colamonaco, Andrei-Bogdan Florea, Jaron Maene·· 10 天前AI 评分21
神经符号视角下的弱监督分割:基于可微模糊逻辑的SAM微调方法
Weakly Supervised Segmentation as Semantic-Based Regularization
AI 导读
该研究提出一种神经符号方法,将弱标注与领域先验统一为连续逻辑约束,用于在弱监督下微调Segment Anything Model(SAM)。 微调后的SAM生成更高质量的伪标签,并训练第二阶段的无提示分割模型。实验在Pascal VOC 2012和REFUGE2数据集上显示,该方法达到SOTA性能,常超过密集监督基线。 论文已被WACV2027接收。
来源:arXiv · AI · arxiv.org