CW-BASS v2、DINOv2による疑似ラベル選別を標的に

研究者らは、DINOv2などの基盤モデル教師を用いた半教師ありセマンティックセグメンテーション向けに、飽和を考慮した疑似ラベル選別手法「CW-BASS v2」を提案した。論文は、自己教師あり基盤エンコーダーにおける信頼度の飽和により、疑似ラベルのフィルタリングのあり方が変わると指摘する。よりノイズの多いResNet教師向けに設計されたルールは、より強力な教師では性能を損なう可能性があるためだ。CW-BASS v2は、ホールドアウトによる較正、クラス別のノイズ推定、自己適応型の信頼度下限を用いて、厳格にフィルタリングする場面と適応的なしきい値に戻す場面を判断する。