文章总览 - 3
PRCL:Probabilistic Representation Contrastive Learning for Semi-Supervised Semantic Segmentation
发表于IJCV2024，同时是AAAI 2023的oral，将对比学习引入到师生网络，本文提出使用多元高斯分布将像素级表示建模为概率表示（PR）。PR包含一个捕获最可能表示的均值向量和一个表示可靠性的方差向量。PR之间的相似性是通过相互似然评分来衡量的，该评分减少了不确定表示的影响。对于第二个问题，引入了全球分布原型（GDP），以在整个训练过程中聚合全球表示，确保原型位置的一致性。此外，虚拟负片可以从GDP中有效地生成，以补偿零碎的负分布，而不需要内存库。。
1
Region-aware_Contrastive_Learning_for_Semantic_Segmentation
2
SegFormer
3