Potts model

新的变分框架通过稀疏监督增强图像分割

研究人员开发了一种新的统一变分框架，用于利用稀疏像素级监督的图像分割。该方法采用具有平滑周长正则化的单形约束Potts模型，创建了一个凸且平滑的能量函数。该函数可用作弱监督深度学习的训练损失，或直接进行优化。通过在再生核希尔伯特空间（RKHS）中进行函数扩展问题，将稀疏标签集成，形成模糊隶属函数，有效处理不均匀的强度统计。所得离散损失在实验中表现出稳健的性能，并优于现有基线，在无需完整地面真实分割图像的情况下取得了可比的结果。