PointRend喜提CVPR2020的Oral,代码已经开源,非常有效率。
https://github.com/facebookresearch/detectron2/tree/master/projects/PointRend
刚刚Kaiming He团队又release了一篇文章,PointRend: Image Segmentation as Rendering,提出一种非常新颖的图像分割方法。受到经典计算机图形学中渲染方法的启发,分析了密集像素预测中遇到的过采样和欠采样问题,选择将图像分割看作渲染问题这个独特的视角来解决。
https://arxiv.org/pdf/1912.08193.pdf
论文还没有仔细研究,但从实验结果来看分割的细节有明显提升。
如果将论文简单地看成选point然后优化分割结果的话就会很朴素,但是作者从渲染的角度来写就让人觉得很有新意。从这一点上看,kaiming组的水平确实很高,能把论文提到更高的level。可能,这就是大神和凡人的区别之一吧。
灵魂拷问:分割边界做的更精细有意义吗?
由于文章方法是在一般的分割数据集如Cityscapes上验证的,对于自动驾驶场景来说,相对不太需要如此精细的分割,而且会带来额外的计算代价。
但是对于Photoshop里面的图片编辑功能是有重要意义的,如果能在类似于人像发丝分割等数据上验证其有效性,那么就会更好了。