ピクセル単位のセグメンテーションで物体をラベリングするには、バウンディングボックスと比較して非常に多くの人的労力が必要です。既存の弱教師付きインスタンスセグメンテーション手法の多くは、バウンディングボックスからの事前情報を活用したヒューリスティックな損失関数の設計に焦点を当てています。しかし、我々はバウンディングボックス監督手法が一部の高品質なセグメンテーションマスクを生成できることを見出しました。そこで、これらの高品質なマスクから学習しつつ低品質なマスクを無視できるかどうかについて検討しました。この問いに対する回答として、我々は BoxTeacher を提案します。BoxTeacher は高性能な弱教師付きインスタンスセグメンテーション向けの効率的かつエンドツーエンドの学習フレームワークであり、洗練された教師モデルを使用して高品質なマスクを疑似ラベルとして生成します。大量のノイジーなマスクが学習に悪影響を与えることを考慮し、我々はマスクの品質を推定するためのマスク認識信頼度スコアを導入し、ノイズ認識ピクセル損失とノイズ削減アフィニティ損失を提案して、疑似マスクを使用して学生モデルを適応的に最適化します。広範囲にわたる実験により、提案された BoxTeacher の有効性が示されています。特別な工夫なしに、BoxTeacher は COCO データセット上で ResNet-50 および ResNet-101 を使用してそれぞれ 35.0 のマスク AP（Average Precision）と 36.5 のマスク AP を達成しており、これは以前の最先端手法よりも大幅に優れており、バウンディングボックス監督手法とマスク監督手法との間にあるギャップを埋めています。コードとモデルは https://github.com/hustvl/BoxTeacher で公開予定です。