提出一种基于球面表示的新型粗糙到精细方法，在 3D 实例分割中克服了轴对齐边界框 AABB 的实例尺寸估计过高和从不精确的边界框到细化阶段的假阴性误差累积两个局限性，通过引入两种基于边界框迁移的边界框检测和点迁移模块并运用两种基于间隔的损失函数来改善结果。实验证明，在三个数据集上，该方法优于现有工作，在使用球面坐标的新实例表示方法方面具有显著的有效性。

Dec, 2023

Open3DIS 是对 3D 场景中开放词汇实例分割问题的一种新解决方案，通过聚合帧间的 2D 实例掩码并将其映射到几何连贯的点云区域作为高质量的对象提案，与 3D 非特定类实例提案相结合，能够在真实世界的广泛对象中实现显著的性能提升。

Dec, 2023

本文研究了密集滑动窗口实例分割的范例，将其作为 4D 张量预测任务，提出了一种称为 TensorMask 的通用框架，可以明确捕获几何信息和使预测更加准确，比现有的模型具有更好的性能表现。

Mar, 2019

该论文介绍了一种基于距离变换的对象段表示方法和基于残差解卷积结构的对象掩码网络，实现了跨越边界框的对象分割；并将其整合到一个多任务网络级联框架中，学习了最终二进制对象掩码。实验表明，这种方法在目标生成和实例分割方面优于现有的技术。

Dec, 2016

本文提出新的聚类损失函数，结合快速的架构，在保持高准确性的同时，能够在实时应用场景中进行实例分割，取得了 Cityscapes 基准测试的最佳结果，并在 2MP 图像上以 10 fps 以上的速度进行了测试。

Jun, 2019

该研究引入了一种三维实例表示方法 - 实例核，通过借鉴 2D/3D 实例分割中动态卷积的思想，使用一维向量编码三维实例的语义、位置和形状信息，以便于轻松的进行实例掩模推理，同时避免了标准的 3D 实例分割流水线中建议或启发式聚类算法的大量依赖。最终，DKNet 在 ScanNetV2 和 S3DIS 数据集上的表现超过了现有技术。

Jul, 2022

本文对 CenterPoly 进行改进，提出了一种新的基于区域和顺序的损失函数，针对不同的坐标系评估了多边形掩模的影响，实现了一种实例分割方法，使用回归损失和基于区域的损失的组合可显著提高结果.

May, 2023

使用轴对齐的 3D 边界框监督，提出 GaPro，一种新的用于 3D 点云的实例分割方法，通过生成伪标签和训练 3DIS 网络来解决 3DIS 问题，并通过自学习策略进一步提高性能。

Jul, 2023

本文提出了一种快速准确的单阶段实例分割方法，通过将实例分割分解为局部形状预测和全局显著性生成两个并行子任务，并从物体中心点的表示中采用局部形状信息，成功地实现了基于 COCO 数据集的单模单尺度训练 / 测试的 CenterMask 方法，达到了 34.5 的掩模 AP 并以 12.3fps 的速度运行。除了效果较慢的 TensorMask 外，相较于所有其他单阶段实例分割方法，该方法精度更高，在其它单阶段物体检测器中也表现良好，显示了 CenterMask 的泛化能力。

Apr, 2020

利用双目摄像机的传感器融合提高室外图像的对象分割，通过几何信息的利用，可以区分重叠的同类或异类物体，并抑制虚假检测，该方法的融合过程基于面罩评分，采用伪激光雷达和基于图像的表示进行 2D、2.5D 和 3D ROI 上的面罩回归。通过使用具有更高分辨率、更长基线和焦距的 High-Quality Driving Stereo（HQDS）数据集，我们的性能达到了最新的技术水平。

Jun, 2020