arXiv cs.AI· Ping Guo, Chengzhou Li, Guanchen Meng, Qi Jia, Jinyuan Liu, Zhu Liu, Yu Liu, Zhongxuan Luo, Xin Fan·· 11 小时前AI 评分20
CTFS：面向极少标签前视声呐图像语义分割的协同教师框架
CTFS : Collaborative Teacher Framework for Forward-Looking Sonar Image Semantic Segmentation with Extremely Limited Labels
AI 导读
研究者提出 CTFS 协同教师框架，用于极少标签下的前视声呐图像语义分割，由一个通用教师和多个声呐专用教师组成多教师协同机制，并采用交替引导策略让学生模型兼顾通用语义与声呐特性。
正文 · AI 翻译
摘要：作为最重要的水下传感技术之一，前视声呐具有独特的成像特性。声呐图像常受严重斑点噪声、低纹理对比度、声学阴影和几何畸变的影响。这些因素使得传统师生框架在标注数据极为有限的条件下难以在声呐语义分割任务中取得令人满意的性能。为解决这一问题，我们提出了一种面向前视声呐图像的协同教师语义分割框架。该框架引入由一名通用教师和多名声呐专用教师组成的多教师协同机制。通过采用多教师交替引导策略，学生模型能够在学习通用语义表示的同时捕捉声呐图像的独特特征，从而实现更全面、更稳健的特征建模。考虑到声呐图像带来的挑战会使教师生成大量含噪伪标签，我们进一步设计了跨教师可靠性评估机制。该机制通过评估多个视图和多个教师之间预测的一致性与稳定性，动态量化伪标签的可靠性，从而减轻含噪伪标签带来的负面影响。值得注意的是，在 FLSMD 数据集上，当仅有 2% 的数据被标注时，我们的方法相比其他最先进方法在 mIoU 上提升了 5.08%。
| 评论： | 已被 CVPR 2026 Finding 接收。代码：此 https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.21071 [cs.CV] |
| （或 arXiv:2603.21071v4 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.21071 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Ping Guo [查看邮箱]
[v1]
2026年3月22日周日 05:57:36 UTC（2,811 KB）
[v2]
2026年5月16日周六 13:16:55 UTC（2,811 KB）
[v3]
2026年10月19日周一 16:53:21 UTC（2,811 KB）
[v4]
2026年11月5日周四 16:30:56 UTC（2,811 KB）
来源：arXiv cs.AI · arxiv.org