题目:Positive-Negative Receptive Field Reasoning for Omni-Supervised 3D Segmentation
面向全监督3D分割的正负感受野推理
作者:Xin Tan; Qihang Ma; Jingyu Gong; Jiachen Xu; Zhizhong Zhang; Haichuan Song; Yanyun Qu; Yuan Xie
摘要
在神经网络中,隐藏层级特征通常难以学习到对3D分割有用的表示,因为监督信号仅在输出预测时给出,而通过全尺度监督在中间层实现这一点是可行的。在本文中,我们首次将全尺度监督方法引入3D分割领域,通过我们提出的渐进式感受野组件推理(Receptive Field Component Reasoning, RFCR),其中目标感受野组件码(Receptive Field Component Codes, RFCCs)被设计用来记录编码器中隐藏单元的感受野内的类别信息。然后,目标RFCCs将指导解码器逐步以粗到细的类别推理方式推断RFCCs,并最终获得语义标签。为了获得更多的监督信号,我们还提出了一个RFC