論文の概要: Emerging Trends in Pseudo-Label Refinement for Weakly Supervised Semantic Segmentation with Image-Level Supervision

• arxiv url: http://arxiv.org/abs/2507.21587v1
• Date: Tue, 29 Jul 2025 08:41:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:55.865949
• Title: Emerging Trends in Pseudo-Label Refinement for Weakly Supervised Semantic Segmentation with Image-Level Supervision
• Title（参考訳）: Image-Level Supervisionによる弱教師付きセマンティックセグメンテーションのための擬似ラベルリファインメントの新展開
• Authors: Zheyuan Zhang, Wang Zhang,
• Abstract要約: 弱い教師付きセマンティックセグメンテーション(WSSS)は、密度の高い予測タスクを実行するために、より弱い監督形式に依存する。 様々な種類の弱い監視の中で、画像レベルのアノテーションを持つWSSSは最も困難であり、最も実用的であると考えられている。
• 参考スコア（独自算出の注目度）: 3.8671438370109708
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unlike fully supervised semantic segmentation, weakly supervised semantic segmentation (WSSS) relies on weaker forms of supervision to perform dense prediction tasks. Among the various types of weak supervision, WSSS with image level annotations is considered both the most challenging and the most practical, attracting significant research attention. Therefore, in this review, we focus on WSSS with image level annotations. Additionally, this review concentrates on mainstream research directions, deliberately omitting less influential branches. Given the rapid development of new methods and the limitations of existing surveys in capturing recent trends, there is a pressing need for an updated and comprehensive review. Our goal is to fill this gap by synthesizing the latest advancements and state-of-the-art techniques in WSSS with image level labels. Basically, we provide a comprehensive review of recent advancements in WSSS with image level labels, categorizing existing methods based on the types and levels of additional supervision involved. We also examine the challenges of applying advanced methods to domain specific datasets in WSSS,a topic that remains underexplored. Finally, we discuss the current challenges, evaluate the limitations of existing approaches, and outline several promising directions for future research. This review is intended for researchers who are already familiar with the fundamental concepts of WSSS and are seeking to deepen their understanding of current advances and methodological innovations.
• Abstract（参考訳）: 完全に教師付きセマンティックセグメンテーションとは異なり、弱い教師付きセマンティックセグメンテーション(WSSS)は、密集した予測タスクを実行するためにより弱い監督形式に依存している。 様々な種類の弱い監督の中で、画像レベルのアノテーションを持つWSSSは最も困難であり、最も実践的であり、重要な研究の注目を集めている。 したがって、このレビューでは、画像レベルのアノテーションによるWSSSに焦点を当てる。 さらに、このレビューは主流研究の方向性に焦点を合わせ、故意に影響力の低い枝を省略する。 新たな手法の急速な開発と,最近の傾向を捉えた既存調査の限界を考えると,新たな総合的なレビューの必要性が高まっている。 我々のゴールは、WSSSの最新の進歩と最先端技術を画像レベルラベルで合成することで、このギャップを埋めることです。 基本的には、WSSSの最近の進歩を画像レベルラベルで包括的にレビューし、関連する追加監督のタイプとレベルに基づいて既存のメソッドを分類する。 また、未調査のトピックであるWSSSのドメイン固有のデータセットに高度なメソッドを適用する際の課題についても検討する。 最後に、現在の課題について議論し、既存のアプローチの限界を評価し、今後の研究に向けたいくつかの有望な方向性を概説する。 このレビューは、既にWSSSの基本概念に精通しており、現在の進歩と方法論的革新に対する理解を深めようとしている研究者を対象としている。

関連論文リスト

• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Fine-Grained Zero-Shot Learning: Advances, Challenges, and Prospects [84.36935309169567]
  ゼロショット学習(ZSL)における微粒化解析の最近の進歩を概観する。 まず、各カテゴリの詳細な分析を行い、既存の手法と手法の分類について述べる。 次に、ベンチマークを要約し、公開データセット、モデル、実装、およびライブラリとしての詳細について説明する。
  論文  参考訳（メタデータ） (2024-01-31T11:51:24Z)
• Few Shot Semantic Segmentation: a review of methodologies, benchmarks, and open challenges [5.0243930429558885]
  Few-Shot Semanticはコンピュータビジョンの新しいタスクであり、いくつかの例で新しいセマンティッククラスをセグメンテーションできるモデルを設計することを目的としている。 本稿では、Few-Shot Semanticの総合的な調査からなり、その進化を辿り、様々なモデル設計を探求する。
  論文  参考訳（メタデータ） (2023-04-12T13:07:37Z)
• A Survey on Semi-Supervised Semantic Segmentation [3.5450828190071655]
  本研究では,半教師付きセマンティックセグメンテーションにおける技術の現状について概説する。 それは、文献の中で最も広く使われているベクンマークデータセットの分類学のすべてのカテゴリを表す様々なモデルの実験を含む。
  論文  参考訳（メタデータ） (2023-02-20T10:54:03Z)
• Semantic Image Segmentation: Two Decades of Research [22.533249554532322]
  本書はセマンティックイメージセグメンテーション(SiS)分野における20年間の研究成果をまとめたものである。 本稿では,近年のトランスフォーマーの利用動向を含む,最近のディープラーニング手法の概要を紹介する。 我々は、マルチドメイン学習、ドメイン一般化、ドメインインクリメンタル学習、テスト時間適応、ソースフリードメイン適応といった新しいトレンドを明らかにした。
  論文  参考訳（メタデータ） (2023-02-13T14:11:05Z)
• A Survey on Label-efficient Deep Segmentation: Bridging the Gap between Weak Supervision and Dense Prediction [115.9169213834476]
  本稿では,ラベル効率の高いセグメンテーション手法について概説する。 まず,様々な種類の弱いラベルによって提供される監督に従って,これらの手法を整理する分類法を開発する。 次に,既存のラベル効率のセグメンテーション手法を統一的な視点から要約する。
  論文  参考訳（メタデータ） (2022-07-04T06:21:01Z)
• Recent Few-Shot Object Detection Algorithms: A Survey with Performance Comparison [54.357707168883024]
  Few-Shot Object Detection (FSOD)は、人間の学習能力を模倣する。 FSODは、学習した汎用オブジェクトの知識を共通のヘビーテールから新しいロングテールオブジェクトクラスにインテリジェントに転送する。 本稿では,問題定義,共通データセット,評価プロトコルなどを含むFSODの概要を紹介する。
  論文  参考訳（メタデータ） (2022-03-27T04:11:28Z)
• Unsupervised Domain Adaptation in Semantic Segmentation: a Review [22.366638308792734]
  本研究の目的は, セマンティックセグメンテーションのための深層ネットワークのUnsupervised Domain Adaptation (UDA) の最近の進歩について概説することである。
  論文  参考訳（メタデータ） (2020-05-21T20:10:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。