2021-03-24实例分割相关论文，同时是写related work的思路

 论文中object shape的意思就是instance mask，实例分割结果

 edge detection就是画boundary

论文题目：Simple does it: Weakly supervised instance and semantic segmentation.      对此论文的描述：GraphCut is combined with 通用boundary detection [51] to better estimate instance mask by considering boundaries. GraphCut结合了通用边界检测[51]，通过考虑边界来更好地估计实例 mask   以bounding box作为监督信息，而不是image classification label；将分割结果和边缘检测结果相结合，详细看下怎么形成互补？

论文题目：Learning to segment via cut-and-paste ECCV2018，因为2018年生成对抗学习比较流行     对此论文的描述：an object shape estimator is trained by adversarial learning [16] ，so that a pseudo image generated以假乱真图片生成通过 by cutting and pasting the estimated object area复制粘贴实例分割结果 to a random background looks realistic到随机的背景，以至于看上去是真实图片.  核心呢，就是以bounding box作为监督信息，如何先得到 estimated object area，也就是实例分割结果   通过剪切和粘贴估计的对象区域，到随机背景中生成的伪图像看起来是真实的。对抗学习：生成以假乱真的图片pseudo image，判别器不变，生成器是通过剪切和粘贴到随机的背景区域     在某种程度上，生成对抗网络[13]也可以被视为一种自我监督的学习方法，用于鉴别器的真实性标签不需要人工注释。

论文题目：Weakly Supervised Instance Segmentation using the Bounding Box Tightness Prior   bounding box为监督信息，对每个bounding box应用扫描线生成正包和负包，可以通过由两个项组成的目标来导出——一元术语和成对术语，