《Pattern Recognition》：Progressive label refinement via heterogeneous decoders for annotation-free camouflaged object segmentation
编辑推荐：
•提出用于无注释 COS 的两阶段渐进式标签细化框架。•提出熵驱动融合以减少伪标签噪声，实现鲁棒定位。•提出 CSAD 以抑制标签噪声，MSAD 以捕捉精确边界。•在无注释 COS 基准测试中达到最先进性能。引言伪装物体 [1] 指无缝融入周围环境的物体。由于物体与其背景之间
- •
提出用于无注释 COS 的两阶段渐进式标签细化框架。
- •
提出熵驱动融合以减少伪标签噪声，实现鲁棒定位。
- •
提出 CSAD 以抑制标签噪声，MSAD 以捕捉精确边界。
- •
在无注释 COS 基准测试中达到最先进性能。
引言
伪装物体 [1] 指无缝融入周围环境的物体。由于物体与其背景之间在颜色和纹理上具有高度的内在相似性，观察者很难察觉它们的存在。伪装物体分割（COS）作为一种典型的二元分割任务，旨在将这些隐藏目标从周围环境中分离出来。尽管由于目标外观微妙，COS 长期以来一直被视为计算机视觉中最艰巨的挑战之一，但它在各种应用中具有巨大的潜力，例如工业表面缺陷检测、农业害虫识别 [2] 和医学影像分析。
自从 Fan 等人发布 COD10K [1] 数据集以来，涌现出了大量全监督方法 [3]，在 COS 领域取得了显著突破。然而，这些方法严重依赖于像素级人工注释。收集单个伪装图像的高质量真实标签（GT）是劳动密集型的，通常需要大约 60 分钟 [1], [4]。为了减轻这一负担，人们探索了各种半监督和弱监督方法 [5], [6]。
为了完全摆脱对人工注释的依赖，无监督伪装物体分割（UCOS）开始引起广泛研究人员的关注。现有的 UCOS 方法可以分为两种范式：基于伪标签的方法和基于检索的方法。基于伪标签的方法 [7], [8], [9] 通常受限于初始标签的质量；直接由噪声标签监督的模型倾向于过拟合错误信号。尽管 UCOD-DPL [7] 中的自适应伪标签模块（APM）部分缓解了这一问题，但其对抗训练范式（基于 GAN [10]）存在固有的不稳定性。此外，低分辨率伪标签往往缺乏复杂的结构和边界细节。相反，基于检索的方法 [11], [12], [13] 虽然避免了复杂的训练，但在推理过程中依赖于计算昂贵的补丁级检索。这导致其效率远低于基于伪标签的模型，即使与分割一切模型（SAM）[14] 集成，其精度仍然次优。
为了解决纯无监督方法的性能瓶颈，同时保持在目标域中需要零人工注释的优势，我们提出了渐进式标签细化网络（PLRNet），一种新颖的两阶段框架。在第一阶段，我们设计了一种基于熵的自监督教师 - 学生架构。通过计算教师模型预测的熵，我们自适应地融合固定策略伪标签与教师模型的预测。该策略逐渐减少模型对噪声初始标签的依赖，使网络能够建立稳定的表示。与之前的对抗策略 [7], [9] 不同，我们的框架排除了判别器，确保了快速稳定的训练过程。为了捕捉伪装特征同时最小化噪声拟合，我们引入了一种轻量级解码器，即基于通道和空间注意力的联合解码器（CSAD）。CSAD 包含两个关键组件：多尺度空间注意力模块（MSAM）和高效通道注意力模块（ECAM）。具体来说，MSAM 捕捉多尺度空间依赖性，而 ECAM 渐进压缩空间信息以促进有效的通道级交互。这些模块并行运行，以增强对多样化伪装场景的适应性。
在第一阶段之后，我们从学生模型在训练集上的预测中提取外部边界框，并将其用作高质量分割一切模型（HQ-SAM）[15] 的提示来细化标签。在第二阶段，我们引入了多尺度空洞解码器（MSAD）来学习这些细化先验，建立了一个直接的知识转移过程。通过集成空洞空间金字塔池化（ASPP）[16]，MSAD 利用具有不同膨胀率的并行空洞卷积来捕捉多尺度上下文信息，而不会牺牲特征分辨率。如图 1 所示，与第一阶段中的 CSAD 相比，MSAD 拥有更复杂的架构和更大的参数容量，使其能够有效拟合高分辨率细化标签，并补偿边界精度和结构完整性方面的缺陷，而无需额外的复杂细化策略。
与我们框架最概念相关的对应物是 SCALER [17]，这是一个依赖于弱或半监督注释的两阶段平均教师框架，并与 SAM 紧密耦合。相比之下，我们的方法完全摒弃了目标域标签。此外，它在第一阶段采用熵驱动融合策略，而不是 UCOD-DPL [7] 中使用的对抗机制，并用我们 CSAD 中的并行双分支设计取代了 SCSA [18] 中的顺序注意力策略。通过第二阶段与 MSAD 的集成，我们的方法实现了无注释范式：第一阶段是严格的无监督的，而第二阶段建立在这些自监督先验之上，以蒸馏 HQ-SAM 的高保真边界感知。
本工作的主要贡献总结如下：
- •
我们设计了一种基于熵的自监督教师 - 学生架构。通过采用熵驱动融合策略，模型逐渐减少了对固定策略伪标签的依赖，促进了自主且稳定的分割能力的发展。
- •
我们引入了针对每个阶段伪标签质量量身定制的阶段特定解码器。在第一阶段，轻量级 CSAD 在通道分割后采用并行空间注意力和通道注意力分支，以有效地从噪声初始伪标签中学习。在第二阶段，MSAD 利用 HQ-SAM 生成的高分辨率伪标签来恢复细粒度分割细节。
- •
在四个标准 COS 基准数据集上的大量实验表明，PLRNet 在无注释设置下达到了最先进性能。此外，在海洋动物分割基准上的评估展示了我们所提方法良好的跨域泛化能力。
章节摘要
伪装物体分割中的分割一切
SAM [14] 的出现标志着计算机视觉的一个里程碑，引入了一个用于提示式图像分割的强大基础模型。在庞大的 SA-1B 数据集上训练，SAM 利用解耦架构，包括一个重型图像编码器和一个轻量级提示编码器/掩码解码器，实现了零样本泛化。然而，尽管 SAM 在通用场景理解中表现出卓越的通用性，但当应用于
动机与网络概览
在无监督或弱监督图像分割任务中，初始伪标签中固有的噪声引发了一个基本挑战。直接训练复杂解码器往往会导致对这些噪声信号的严重过拟合。相反，虽然轻量级解码器表现出更强的抗标签噪声鲁棒性，但其有限的参数容量限制了捕捉细粒度边界和复杂局部结构的能力。为了超越这一性能瓶颈
数据集与评估指标
遵循 [7], [13] 中的实验设置，我们采用了一个由 CAMO [33] 中的 1000 张伪装图像和 COD10K [1] 中的 3040 张图像组成的训练集。我们模型的性能在四个基准数据集的剩余伪装图像上进行评估：CAMO [33]、CHAMELEON [34]、COD10K [1] 和 NC4K [35]。值得注意的是，在训练期间，未为目标伪装数据集引入任何人工注释。
为了定量评估分割质量，我们采用了四种广泛认可的
结论
在本工作中，我们开发了 PLRNet，一种用于无注释伪装物体分割的两阶段渐进式标签细化框架。在第一阶段，我们采用熵驱动的教师 - 学生策略，将监督逐渐从固定伪标签转移到教师预测。CSAD 结合了多尺度空间注意力和高效通道注意力，使模型能够建立可靠的目标定位，同时限制不准确初始掩码的影响。在第二
CRediT 作者贡献声明
普瑞瑞：撰写 – 初稿，验证，软件，方法学，调查，形式化分析。申帅：撰写 – 审阅与编辑，监督。夏晨：撰写 – 审阅与编辑，监督。徐东方：撰写 – 审阅与编辑，监督，方法学。李扬：撰写 – 审阅与编辑，监督，资源，方法学。
致谢
本工作部分由多模态人工智能系统全国重点实验室开放研究基金支持，部分由中央高校基本科研业务费支持。
普瑞瑞 | 申帅 | 夏晨 | 徐东方 | 李扬
