摘要
我们提出了一种因果推断框架，以提升弱监督语义分割（Weakly-Supervised Semantic Segmentation, WSSS）的性能。具体而言，我们的目标是仅利用图像级标签生成更优的像素级伪掩码——这是WSSS中最关键的步骤。我们发现，伪掩码边界模糊的根本原因在于混杂因素（confounding context）的影响：例如，“马”与“人”这两个类别在图像级分类中被正确识别，可能不仅源于对单个实例的感知，还受到二者共现上下文的影响，导致模型可视化方法（如类激活图CAM）难以准确区分不同对象之间的边界。受此启发，我们构建了一个结构化因果模型，用于分析图像、上下文与类别标签之间的因果关系。基于该模型，我们提出了一种新方法——上下文调节（Context Adjustment, CONTA），旨在消除图像级分类中的混杂偏差，从而为后续的分割模型提供更高质量的伪掩码作为伪真值（pseudo-ground-truth）。在PASCAL VOC 2012和MS-COCO数据集上的实验表明，CONTA显著提升了多种主流WSSS方法的性能，使其达到新的最先进水平（state-of-the-art）。