TPAMI 2024 | 面向全监督3D分割的正负感受野推理

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