ICCVAug, 2019

实时目标实例分割的显式形状编码

PDF
TL;DR提出基于显式形状编码的新型自顶向下实例分割框架 ESE-Seg，并使用张量运算来显式地解码多个物体形状，从而在几乎与物体检测相同的速度下执行实例分割；该方法在使用 YOLOv3 时在 Pascal VOC 2012 的 [email protected] 上优于 Mask R-CNN 7 倍。
top-down instance segmentationexplicit shape encodingtensor operationsinner-center radiusyolov3
发现论文，激发创造
  • 直接转向形状：编码形状的实时检测

    本研究提出了一种实时形状预测的网络，通过使用去噪卷积自编码器来建立一个嵌入空间，并将解码器置于快速端到端网络之后，直接回归到编码后的形状向量。该网络在实现更高阶形状推理的同时，能够对类别的泛化性进行处理。

    Nov, 2016

  • 单次拍摄物体实例分割的口罩编码

    本论文提出一种简单的单级实例分割框架，即基于掩码编码的实例分割（MEInst），通过将二维掩码提炼成紧凑且固定维度的表征向量，使得实例分割任务能够被纳入单级边界框检测器中，从而实现了一种简单而高效的实例分割方法，取得了 36.4％的掩码 AP，在 MS-COCO 基准测试中取得了竞争性的性能。

    Mar, 2020

  • STEm-Seg：视频中的时空嵌入实例分割

    该论文提出了一种新的视频实例分割方法，基于单阶段的 3D 空间 - 时间体积建模，使用时空嵌入技术聚类像素特征，通过单阶段网络实现端到端训练和推理，取得了多项最先进结果。

    Mar, 2020

  • 实时实例分割的稀疏实例激活

    本文提出了一种实时实例分割的概念性新颖、高效并且完全卷积的框架。该框架采用了一种新的目标表示方法 —— 稀疏的实例激活图，通过聚合特征识别和分割前景对象，在一对一的模式下预测物体，避免后处理中的非极大值抑制。该方法在 COCO 基准测试中实现了 40 FPS 和 37.9 AP，速度和准确性均得到显著提高。

    Mar, 2022

  • 轻量级模型实现眼部语义分割

    本文提出了一种多类眼部分割方法，包括三个主要阶段：通过深度网络从输入获取灰度图像、分割三个不同的眼部区域，并通过启发式过滤器去除不正确的区域，使用 depthwise 卷积操作减少计算成本，实验表明该方法可以在实时推理下实现高水平的性能。

    Nov, 2019

  • iSeg: 基于交互式注意力的交互式 3D 分割

    我们提出了一种名为 iSeg 的新型交互式技术，用于对 3D 形状进行分割。

    Apr, 2024

  • EffSeg: 结构保持稀疏化实现高效细粒度目标实例分割

    这篇论文提出了 EffSeg 算法，使用基于 Structure-Preserving Sparsity 方法以更高效的方式进行细粒度实例分割。与 RefineMask 表现相似，但 FLOPs 数量减少了 71％，FPS 增加了 29％。

    Jul, 2023

  • 通过 Spelke 对象推理进行实际世界图像的无监督分割

    利用动态自我监督学习来学习静态场景的成对亲和力图，然后通过一种新的图传播和竞争网络来产生分割，从而在挑战合成和现实世界机器人数据集上实现了自我监督图像分割的显着改进。

    May, 2022

  • YOLACT：实时实例分割

    本研究提出了一种利用生成一组原型掩码和预测每个实例掩码系数的并行子任务的方法，进而实现在一台 Titan Xp 上每秒 33.5 帧且仅在一台 GPU 上进行训练即可在 MS COCO 上达到 29.8 mAP 的实时实例分割的全卷积模型，并且进一步通过分析原型的紧急行为和提出一个只有 12 ms 更快的可替换的 Fast NMS 来优化模型。

    Apr, 2019

  • 学习视频实例分割的时空嵌入

    本研究提出了一种新颖的视频实例分割嵌入式方法，该方法通过融合外观、运动和几何等多种线索来学习时空嵌入，其中，运动由 3D 因果卷积网络模拟，几何由单目自监督深度损失模拟。在这种嵌入空间中，同一实例的视频像素被聚类在一起，同时与其他实例分离，从而自然地跟踪实例而不需要任何复杂的后处理，而且实时性能良好。研究结果表明，该模型在 KITTI 多物体和跟踪数据集上可以准确地跟踪和分割实例，即使存在遮挡和遗漏检测等问题，也能推进同类算法的发展。

    Dec, 2019