这篇论文研究了一项名为统一感知分析的新任务，通过开发 UPerNet 多任务框架和一种训练策略来实现从给定图像中识别尽可能多的视觉概念，最后在自然场景中应用训练网络来发现视觉知识。

Jul, 2018

本文提出了一种单次完整图像解析的方法，将语义分割和实例分割任务整合到一个流畅系统中，通过_DeeperLab_图像解析器实现，可以快速处理并用_PQ_和_PC_度量对_Mapillary Vistas_数据集的结果做出评估。

Feb, 2019

DocParseNet 是一种将深度学习和多模态学习相结合的模型，通过处理文本和图像数据来自动化扫描文档的标注，实现了快速而准确的文档注释以及在语义处理方面的突破。

Jun, 2024

通过将名词视为对象标签和形容词视为视觉属性标签，我们提出了一种以联合估计每像素对象和属性标签的方式来解决图像解析问题的高效解决方案，并演示了其可以用于交互新一代设备。

Oct, 2013

该论文讨论了通过实例级别的语义部件分割实现目标解析的方法。网络结构由分类级别分割模块以及可处理每个图像中不同数量人体检测结果的差分有条件随机场组成，网络通过单次前向传递输出实例级别部件和人体部分分割结果，同时能够实现有效的目标计数和分类级别部分分割。

Sep, 2017

本文综述了基于深度学习的人体解析技术在图像和视频领域中的研究进展和挑战，并提出一种基于 Transformer 的高性能人体解析框架，同时还提出了未来研究的方向和待解决的问题。

Jan, 2023

本文提出了一种高效的人脸解析注释框架和 “Dense Landmark Guided Face Parsing (LaPa)” 数据集，以及一个基于此数据集的新的边界敏感解析网络（BSPNet）。

May, 2019

本论文提出了 SketchParse，一个深度神经网络架构，用于完全自动地解析手绘对象素描，并应用于物体识别和图像检索。SketchParse 的设计采用了双层卷积网络，其中第一层包含所有对象类别的共享层，第二层包含许多专家子网络。除此之外，还介绍如何利用辅助任务物体姿态预测来提高 SketchParse 的性能。

Sep, 2017

本文提出了一种基于 segment-based parsing 管道的方法，利用人体姿势信息对人体进行语义区域划分，从而提高了部分提案的准确率，加速了推理并使得解析过程更规则化，经实验证明该方法相比现有技术具有更好的优越性能。

Aug, 2015

本文提出了一种深度前馈的分离网络（SON）方法，能够有效地分离高度重叠的生物图像中的个体对象，并估计中心对象的形状。实验表明该方法可以解析三类流行的模型生物的显微镜图像，同时避免了无需渲染训练图像的高维度配置空间和大量渲染测试时间操作的需求。

Dec, 2016