本文介绍了一种基于Multi-task Network Cascades的实例感知语义分割模型，该模型包含三个网络，分别用于区分实例、估算掩模和分类物体。该方法在PASCAL VOC数据集上达到了最先进的实例感知语义分割准确度，并且速度比之前的系统快两个数量级。
Dec, 2015
本研究探讨了如何通过引入语义先验来指导外观模型，从而解决半监督视频对象分割的问题，并提出了半监督视频对象分割（SGV）方法，该方法能够在每帧半秒钟的时间内，在两个不同的数据集上使用各种评估指标，比以前的最新技术取得更好的结果。
Apr, 2017
本文提出了一种基于贝叶斯框架和模拟退火优化的图像划分采样算法，基于已知物体类别的目标检测器输出，实现了在开放集条件下分割所有已知和未知目标类别的实例分割方法，该方法在已知类别和未知类别上均有较好表现并且与监督式方法相比具有竞争性。
Jun, 2018
本研究介绍一种旨在解决空中图像中物体分割问题的算法，并提出一种新的数据集iSAID，包含2,806幅高分辨率图像和655,451个物体实例。在该数据集上的实验结果表明，现有的自然场景中的实例分割算法在直接应用于空中图像时表现欠佳，需要研究社区提出专门的解决方案。
May, 2019
本文提出了一种无监督方法来检测和分割动态图像中的物体，通过深度神经网络将静态和动态模型进行训练，实现了物体的无监督分割和持续性学习。
Aug, 2020
该研究提出了一种新颖的无监督视频多目标分割方法，通过结合前景区域估计和实例分组来提高实例判别，引入判别性外观模型用于目标跟踪，实现更准确的物体发现，以及采用自适应内存更新等三种策略提高分割准确性和推理速度，并在DAVIS17和YouTube-VIS数据集上超越了现有技术的表现。
Apr, 2021
本文提出了一种名为ISTR的实例分割变压器，利用低维掩模嵌入进行实例分割，采用递归细化策略实现检测和分割并行，实现了端到端框架。在MS COCO数据集上，基于ResNet50-FPN和ResNet101-FPN的ISTR分别获得了46.8 / 38.6和48.1 / 39.9的盒子/掩码AP，并取得了最先进的性能。
May, 2021
本文提出了一种新型的隐式特征细化模块，该模块通过构造隐函数，利用模拟无限深度网络的固定点迭代得到实例特征的平衡状态，从而达到高质量的实例分割，并可扩展在大多数对象识别框架中。
Dec, 2021
本文介绍了以往自我监督的学习方式大多聚焦于图像级的表示学习，不能为无监督图像分割等需要空间多样的表示的任务带来改进，通过自我监督学习物体部件提出了新的解决途径，并结合目前趋势的Vision Transformer，利用稠密聚类任务进行空间标记的微调，取得了在语义分割基准测试上超过17%-3%的最先进结果，且在完全无监督分割方面也具有重大潜力。
Apr, 2022
提出一种名为DeLR的高效查询策略，通过解耦定位和识别，减少对象检测中的注释成本，并在几个基准测试中证明其优越性。
Dec, 2023