ShanghaiTech A

新方法通过引导式掩码学习增强人群分析

研究人员开发了一种新颖的半监督人群实例分割和计数方法，利用排除约束双提示SAM（EDP-SAM）从现有数据集中生成掩码监督。该方法的核心是排他性引导掩码学习（XMask），它强制空间分离并改善特征连续性，以实现更稳定的训练。该框架利用实例掩码先验作为伪标签，提供比传统基于点的标注更丰富的形状信息，并在ShanghaiTech A、UCF-QNRF和JHU++等基准数据集上展示了最先进的性能。