**PixCon:基于基础模型的半监督分割纯净正样本对比学习** _PixCon: Clean-Positive Contrastive Learning f
原帖
**PixCon:基于基础模型的半监督分割纯净正样本对比学习**
_PixCon: Clean-Positive Contrastive Learning for Foundation-Model Semi-Supervised Segmentation_
> PixCon提出了一种无需置信度过滤的像素级对比学习方法,通过仅保留学生模型正确分类的标记像素构建纯净正样本集,从根源上消除伪标签污染。该方法在DINOv2等基础模型支持下,于Pascal VOC、Cityscapes和ADE20K数据集上达到或超越UniMatch V2基线性能,为半监督语义分割提供了低成本且鲁棒的新方案。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-07-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2607.03068)