【CVPR2022】ContrastMask:对比学习来分割各种

部分监督实例分割是一种通过学习有限的可见类别并使用带注释的遮罩将对象从新的不可见类别中分割出来的任务，从而消除了繁重的注释负担。解决这一问题的关键是建立一个有效的类不可知掩码分割模型。与以往只在可见类别上学习此类模型的方法不同，在本文中，我们提出了一种新的方法，名为ContrastMask，它在统一的像素级对比学习框架下，对可见和不可见类别学习掩码分割模型。这个框架，带注释的可见类别的遮罩和不可见类别的伪遮罩作为对比学习的前提，来自掩膜区域(前景)的特征被拉到一起，并与来自背景的特征进行对比，反之亦然。通过该框架，大大提高了前景和背景的特征识别能力，便于学习与类别无关的遮罩分割模型。在COCO数据集上的详尽实验证明了我们的方法的优越性，它优于以前的技术水平。

https://www.zhuanzhi.ai/paper/53d464cd084b1713b9d2377fb1ea5703

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“CMS” 就可以获取《【CVPR2022】ContrastMask:对比学习来分割各种》专知下载链接

请扫码加入专知人工智能群（长按二维码），或者加专知小助手微信（zhuanzhi02），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG、论文等）交流~

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资源