WSSSの代替となるか？弱教師付きセマンティックセグメンテーション問題におけるSegment Anything Model（SAM）の実証的研究

セグメンテーション・アニューリティモデル（Segment Anything Model, SAM）は、優れた性能と汎用性を示しており、さまざまな関連タスクにおける有望なツールとして注目されている。本報告では、SAMを弱教師ありセマンティックセグメンテーション（Weakly-Supervised Semantic Segmentation, WSSS）への応用に考察する。特に、画像レベルのクラスラベルのみを入力として、SAMを疑似ラベル生成パイプラインとして活用する手法を提案する。多数のケースにおいて顕著な成果が得られた一方で、いくつかの限界も明らかになった。本研究では、PASCAL VOCおよびMS-COCOの両データセット上で性能評価を実施し、最新の最先端手法と比較して顕著な性能向上を達成した。本報告が、SAMをWSSSに活用するさらなる研究を促進し、実世界における広範な応用を推進することを期待する。