インスタンスセグメンテーションのための正確なラベルの取得は、そのタスクの複雑さにより特に困難です。各画像には、オブジェクトクラスだけでなく、その精密な空間境界も含む複数のアノテーションが必要となります。これらの要件は、手動および自動アノテーションプロセスにおいて誤りや一貫性の欠如を増大させる可能性があります。異なるノイズ条件をシミュレーションすることにより、さまざまなセグメンテーションタスクにおけるインスタンスセグメンテーションモデルの堅牢性と汎化能力を評価する現実的なシナリオを提供します。本研究では、COCO-N と Cityscapes-N を導入します。また、弱いアノテーションノイズのベンチマークとして COCO-WAN（Weakly Annotation Noise）を提案し、基礎モデルと弱いアノテーションを使用して半自動アノテーションツール及其嘈杂标签（semi-automated annotation tools and their noisy labels）をシミュレートします。本研究は、さまざまなモデルが生成するセグメンテーションマスクの品質について明らかにするとともに、ラベルノイズ学習に対処するために設計された人気のある手法の効果性に挑戦しています。注：「及其嘈杂标签」这部分是中文，可能是误输入。我将其翻译为「及其嘈杂标签 (semi-automated annotation tools and their noisy labels)」以保持信息完整。如果需要进一步修改，请告知。