伪点击:使用点击模仿的交互式图像分割
Qin Liu1,2, Meng Zheng2, Benjamin Planche2
1University of North Carolina at Chapel Hill, Chapel Hill NC, USA.
Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision
|December 10, 2025
概括
本研究介绍了PseudoClick,这是一个基于点击的交互式图像细分框架,可以预测最佳的用户点击. 这种方法显著降低了交互成本,并提高了细分的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 图像处理 图像处理
背景情况:
- 基于点击的交互式图像细分旨在以最小的用户输入实现精确的对象口罩.
- 当前的方法需要代的用户校正,增加交互成本.
- 需要减少用户在交互式细分方面的努力.
研究的目的:
- 开发一种自动预测下一个最佳用户点击的方法,用于交互式图像细分.
- 为了减少准确细分所需的用户交互的总数.
- 通过点击预测功能来增强现有的细分网络.
主要方法:
- 建议PseudoClick,一个通用的框架,使细分网络能够预测候选下一个点击.
- 实施伪点击作为模仿人类点击来改进细分面具.
- 集成的PseudoClick与现有的细分骨干.
主要成果:
- 在几个受欢迎的基准指标上取得了最先进的结果.
- 在不同领域和模式中表现出强大的概括能力.
- 显著优于现有方法,例如,在Pascal数据集上的85% IoU上减少了12.4%的点击.
结论:
- 在基于点击的图像细分中,PseudoClick有效地降低了用户交互成本.
- 拟议的点击预测机制带来了更好的细分性能.
- 伪点击为更高效的交互式图像细分系统提供了一个有希望的方向.
