弱监督语义分割问题中的另一种选择？对 Segment Anything Model (SAM) 的实证研究

段级任意模型（Segment Anything Model, SAM）展现出卓越的性能与广泛的应用潜力，已成为诸多相关任务中极具前景的工具。本文探讨了SAM在弱监督语义分割（Weakly-Supervised Semantic Segmentation, WSSS）中的应用。具体而言，我们仅利用图像级别类别标签，将SAM作为伪标签生成的流水线。尽管在大多数情况下取得了令人瞩目的效果，我们也识别出该方法存在若干局限性。本研究在PASCAL VOC和MS-COCO两个基准数据集上进行了性能评估，结果表明，我们的方法在两个数据集上均显著超越了当前最先进的技术水平。我们期望本报告能够激发更多关于将SAM应用于WSSS领域的深入探索，并推动其在更广泛实际场景中的应用。