摘要
弱监督语义分割（Weakly Supervised Semantic Segmentation, WSSS）在仅使用图像级标签的情况下，通过类别激活图（Class Activation Map, CAM）取得了显著进展。然而，原始的CAM难以有效引导模型弥合全监督与弱监督之间的差距。为此，近期研究致力于探索更优的语义表示，以提升CAM在WSSS任务中的适用性，并取得了令人鼓舞的效果。但这些方法通常仅利用单一层次的语义信息，可能限制模型对全局语义结构的充分学习。受“每张图像包含多层次语义”这一先验知识的启发，本文提出层次化语义对比（Hierarchical Semantic Contrast, HSC），以缓解上述问题。HSC从粗粒度到细粒度的多个层级进行语义对比，涵盖区域感兴趣区域（ROI）级、类别（class）级和像素（pixel）级，促使模型更好地理解物体的结构化语义模式。为进一步提升CAM的质量，基于HSC，我们进一步引入跨监督一致性正则化机制，并提出动量原型学习（momentum prototype learning），以有效挖掘不同图像间丰富的语义信息。大量实验表明，本文提出的即插即用学习范式HSC，能够显著提升非显著性引导与显著性引导两类基线模型的CAM质量，并在PASCAL VOC 2012数据集上取得了新的最先进（state-of-the-art）的弱监督语义分割性能。