약하게 감독된 의미론적 분할은 경계 상자, 낙서, 이미지 레벨 태그와 같은 부분적 또는 거친 주석을 통해 픽셀 레벨 분할 모델을 학습하는 방식입니다.
연구에서는 Segment Anything Model (SAM)과 같은 기반 모델을 활용하여 유사 레이블을 생성하지만, 종종 휴리스틱 프롬프트 선택에 의존하며 사전 지식이나 이질적인 레이블을 통합할 수 있는 방법이 제한적입니다.
신경 기호 관점에서 미분 가능한 퍼지 논리를 심층 분할 모델과 통합하여 약한 감독 하에 SAM을 미세 조정하고, 개선된 유사 레이블을 생성하여 두 번째 단계의 프롬프트 없는 분할 모델을 학습합니다.