摘要

我们对一项名为二元图像分割（Dichotomous Image Segmentation, DIS）的新任务进行了系统研究，该任务旨在从自然图像中分割出高精度的对象。为此，我们收集了首个大规模的DIS数据集，称为DIS5K，其中包含5,470张高分辨率（例如2K、4K或更高）的图像，涵盖了各种背景下的伪装、显著或精细对象。DIS的数据标注极为细致。此外，我们引入了一种简单的中间监督基线模型（IS-Net），该模型在特征级和掩模级同时提供指导，用于DIS模型的训练。IS-Net在提出的DIS5K数据集上超越了多种前沿基线模型，成为一种通用的自学习监督网络，可以促进未来在DIS领域的研究。进一步地，我们设计了一种新的评估指标——人工校正努力（Human Correction Efforts, HCE），该指标近似表示纠正误报和漏报所需的鼠标点击操作次数。HCE被用来衡量模型与实际应用之间的差距，因此可以补充现有的评估指标。最后，我们进行了最大规模的基准测试，评估了16个具有代表性的分割模型，提供了关于对象复杂性的更深入讨论，并展示了几个潜在的应用场景（如背景移除、艺术设计、3D重建）。希望这些努力能够为学术界和工业界开辟有前景的研究方向。项目页面：https://xuebinqin.github.io/dis/index.html。