全景分割：一项综述
计算机视觉与模式识别
2021-11-22 v1
摘要
用于视频分析的图像分割在智慧城市、医疗健康、计算机视觉以及地球科学与遥感应用等不同研究领域中发挥着重要作用。为此，近来人们大力投入开发新颖的分割策略；其中最新的杰出成果之一是全景分割。后者源于语义分割与实例分割的融合。明确地说，全景分割目前正被研究以帮助获得对图像场景更细致的认知，用于视频监控、人群计数、自动驾驶、医学图像分析以及一般意义上对场景的更深理解。为此，我们在本文中呈现了据我们所知首个对现有全景分割方法的全面综述。相应地，基于所采用算法的性质、应用场景和主要目标，对现有全景技术进行了明确界定的分类。此外，讨论了利用全景分割通过伪标签标注新数据集。进而，开展消融研究以从不同视角理解全景方法。此外，讨论了适用于全景分割的评估指标，并提供了现有方案性能的比较以阐明最先进水平并识别其局限与优势。最后，阐述了该技术当前面临的挑战以及近期备受关注的未来趋势，可作为后续研究的起点。提供代码的论文见：https://github.com/elharroussomar/Awesome-Panoptic-Segmentation
引用
@article{arxiv.2111.10250,
title = {Panoptic Segmentation: A Review},
author = {Omar Elharrouss and Somaya Al-Maadeed and Nandhini Subramanian and Najmath Ottakath and Noor Almaadeed and Yassine Himeur},
journal= {arXiv preprint arXiv:2111.10250},
year = {2021}
}