本篇文章盘点WACV2021图像分割相关论文,包括抠图、实例、全景、语义分割,自然灾害评估等相关应用。值得关注的是有一篇文本抠图,在以往工作中很少或从未研究过的。
共计 11 篇。如有遗漏,欢迎补充。
下载包含这些论文的 WACV 2021 所有论文:
实例分割
[1].Weakly Supervised Instance Segmentation by Deep Community Learning
文中作者引入一个用于弱监督实例分割的深度社区学习框架,该框架基于一个端到端可训练的深度神经网络,在目标检测、实例掩码生成和目标分割多个任务之间有主动交互。加入两种有经验的目标定位技术:class-agnostic bounding box regression 和 segmentation proposal generation,且是在没有完全监督的情况下进行的。
所提出的算法在不进行后处理情况下,在标准基准数据集上实现了比现有弱监督方法大幅提高的性能。
作者 | Jaedong Hwang, Seohyun Kim, Jeany Son, Bohyung Han
单位 | 首尔大学;ETRI
论文 | https://arxiv.org/abs/2001.11207
主页 | https://cv.snu.ac.kr/research/WSIS_CL/
#WACV 2021##航空影像##实例分割#
[2].MSNet: A Multilevel Instance Segmentation Network for Natural Disaster Damage Assessment in Aerial Videos
MSNet:用于航空视频自然灾害评估的多级实例分割网络
本文研究通过航空视频分析,有效评估飓风、洪水或火灾等自然灾害后的建筑物损失问题。
做出了两个主要贡献:
第一个贡献是一个新的数据集,包括来自社交媒体用户生成的航拍视频,并带有实例级的建筑损伤掩码标注。为利用航拍视频评估建筑物损伤的模型的定量评估提供了第一个基准。
第二个贡献是一个新的模型:MSNet,包含了新的区域 proposal 网络设计和一个无监督的分数细化网络,用于边界盒和掩模分支的置信度分数校准。
实验表明,新的模型和新的数据集与以前的方法相比,取得了最先进的结果。
作者表示将发布数据、模型和代码。
作者 | Xiaoyu Zhu, Junwei Liang, Alexander Hauptmann
单位 | 卡内基梅隆大学
论文 | https://w.url.cn/s/AC2eIwl
代码 | https://github.com/zgzxy001/MSNET
<