【ACMMM2020】零样本语义分割的上下文感知特征生成

现有的语义分割模型严重依赖于密集的像素级标注。为了减少标注的压力，我们专注于一项具有挑战性的任务，即零标注语义分割，它的目标是用零标注分割不可见的对象。这一任务可以通过语义词嵌入在类别间传递知识来完成。在本文中，我们提出了一种新的基于上下文的零样本分割特征生成方法——CaGNet。特别是在观察到像素级特征高度依赖上下文信息的情况下，我们在分割网络中插入上下文模块来捕获像素级特征的上下文信息，从而指导语义词嵌入生成更加多样化和上下文感知的特征的过程。我们的方法在三个基准数据集上实现了最先进的零样本分割结果。代码可在:this https URL获得。

https://arxiv.org/abs/2008.06893

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“CAGNET” 可以获取《【ACMMM2020】零样本语义分割的上下文感知特征生成》专知下载链接索引

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5000+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5000+AI主题知识资源