教師ありSupervised ClassMixとSup-Unsup特徴ディスクリミネータによるセミスーパービジョン付きセグメンテーションの精度向上
arXiv cs.CV / 2026/4/9
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ClassMix系の枠組みにおいて未ラベル画像から生成されるノイズを含む擬似ラベルがもたらす悪影響を低減することで、セミスーパービジョン付きセマンティックセグメンテーションの精度向上を提案する。
- ラベル付き画像から取得したクラスラベル（および領域）を、擬似ラベル付きの版も含めて未ラベル画像に貼り付けるラベリング戦略を導入し、学習シグナルの品質を高める。
- さらに、ディスクリミネータに基づく特徴アライメント手法を追加し、未ラベル画像に対する予測がラベル付き画像で得られる予測により類似するよう促す。
- ChaseおよびCOVID-19データセットでの実験では、従来のセミスーパービジョン学習手法に対して平均2.07%のmIoU向上が示され、画素レベルのラベリングがコストを要するセグメンテーション課題に対して実用的な有効性があることが示唆される。
