像素亲和解析网络

监督式上下文建模

用像素亲和损失显式建模像素关系,结合形状先验约束掩膜,在遮挡场景中重建完整物体形状。

Zhan, Jiao · 罗亚荣 · 郭迟 · Wu, Yejun · Bohan, Yang · Wang, Jingrong · Jingnan, Liu

Applied Soft Computing Journal 2025

参数信息

平均精度AP(非模态)
37.1 %
平均精度AP(非模态)
71.70 %
平均精度AP(非模态)
41.29 %
平均精度AP(非模态)
72.51 %

技术优势

监督式上下文建模

PAP模块通过像素亲和损失训练,显式区分像素间关系,避免无监督方法中不合理的上下文依赖,从而获得稳健的特征表示。

形状先验约束

PAPNet引入形状先验引导非模态掩膜细化,防止预测掩膜中出现不合理形状,使重建的物体轮廓更符合真实形态。

多数据集领先

在KINS、D2SA、COCOA-cls和CWALT四个基准上均超越现有方法,其中在CWALT上AP比VRSPNet高5.38%。

应用场景