Pixels to Tokens: Token Space Efficient Active Learning for Low-Budget Semantic Segmentation

尽管基础模型和视觉变换器（ViTs）重新定义了视觉表示，当前用于这些基底的主动学习策略大多在像素或区域级别运作，由于需要大量像素标注，标注要求较高。将ViT基主动学习扩展到像素级、低成本的范式极具挑战性：每张图像只需一个像素查询，方法必须同时识别最具信息量的位置并从极稀疏的信号中训练可靠的解码器头。我们引入TEAL（Token-space Efficient Active Learning）……