摘要
弱监督分割任务要求基于带有部分标注的训练样本（如图像级标签、目标边界框、标记点或草图）为每个像素分配类别标签。该任务具有挑战性：粗粒度标注（如标签、边界框）缺乏精确的像素级定位信息，而稀疏标注（如点、草图）则难以覆盖广泛的图像区域。现有方法通常对这两种弱监督形式采取不同的处理策略：针对粗粒度标注，利用类别激活图（Class Activation Maps）进行定位并迭代优化分割模型；而对于稀疏标注，则采用条件随机场（Conditional Random Fields）将局部标签传播至整张图像。本文将弱监督分割建模为一种半监督度量学习问题，其核心思想是：语义相同的像素应被映射到相同的特征表示，而语义不同的像素则应具有区分性的特征表示。为此，我们提出在特征空间中构建四类对比关系，分别捕捉像素与区域之间的低层图像相似性、语义标注一致性、共现关系以及特征亲和性。这些关系作为先验知识，使得像素级特征能够通过任意类型的局部标注数据，以数据驱动的方式进行学习。特别地，训练图像中的未标注像素不仅参与图像内部的数据驱动聚类，还在图像内与跨图像的判别性特征学习中发挥重要作用。我们提出的方法实现了统一的弱监督分割框架，在Pascal VOC和DensePose数据集上均取得了显著性能提升。相关代码已公开，地址为：https://github.com/twke18/SPML。