Segmentation faiblement supervisée des expressions de référence

La Segmentation Faiblement Supervisée des Expressions de Référence est une sous-tâche dans le domaine de la vision par ordinateur qui vise à réaliser une segmentation au niveau des pixels des objets désignés par des expressions linguistiques naturelles en utilisant des données annotées limitées ou incomplètes. L'objectif de cette tâche est d'exploiter les méthodes d'apprentissage faiblement supervisé pour améliorer la capacité de généralisation et la précision de segmentation du modèle dans des conditions d'annotations limitées, réduisant ainsi les coûts et le temps associés à l'annotation de grandes quantités de données. Sa valeur d'application réside dans l'amélioration efficace des performances des systèmes de compréhension des images et d'interaction homme-machine, en particulier dans des scénarios tels que l'analyse d'images médicales, la conduite autonome et la vision robotique.