DynaMask：面向实例分割的动态掩码选择
计算机视觉与模式识别
2023-03-15 v1
摘要
代表性的实例分割方法大多以固定分辨率的掩码（例如28*28网格）分割不同的对象实例。然而，低分辨率掩码会丢失丰富细节，而高分辨率掩码会带来二次方计算开销。为每个实例预测最优二值掩码是一项具有挑战性的任务。在本文中，我们提出为不同对象提议动态选择合适的掩码。首先，开发了具有自适应特征聚合的双层级特征金字塔网络（FPN）以逐步提升掩码网格分辨率，确保对象的高质量分割。具体而言，引入了高效的区域级自顶向下路径（r-FPN）以融合来自图像级FPN（i-FPN）不同阶段的互补上下文与细节信息。然后，为缓解使用大掩码所引起的计算与内存成本增加，我们开发了计算代价可忽略的掩码切换模块（MSM）为每个实例选择最合适的掩码分辨率，在保持高分割精度的同时实现高效率。无需额外技巧，所提方法（即DynaMask）以适中的计算开销对其他最先进方法带来了持续且显著的性能提升。源代码：https://github.com/lslrh/DynaMask。
引用
@article{arxiv.2303.07868,
title = {DynaMask: Dynamic Mask Selection for Instance Segmentation},
author = {Ruihuang Li and Chenhang He and Shuai Li and Yabin Zhang and Lei Zhang},
journal= {arXiv preprint arXiv:2303.07868},
year = {2023}
}
备注
Accepted by CVPR2023