セマンティックセグメンテーションモデルの学習には，ラベルが付与された膨大な枚数の画像が必要である．画像にラベルを付与するアノテーションは時間と手間がかかるため，ラベルが付与された少数の画像でモデルを学習する必要がある．そのような手法の1つである半教師あり学習では，少数のラベルあり画像とラベルなし画像を用いてモデルを学習する．学習中のモデルを用いてラベルなし画像に擬似ラベルを付与するため，擬似ラベルの品質がモデルの推論精度に強い影響を与える．そこで，本稿では，基盤モデルを用いることで学習中のモデルに影響を受けずに擬似ラベルを生成し，モデルの推論精度を改善する手法を提案する．提案手法では，セグメンテーションの基盤モデルであるSAMと，視覚と自然言語の基盤モデルであるCLIPを用いて擬似ラベルを生成する．公開データセットを用いた性能 評価実験を通して，提案手法の有効性を実証する．