SpatialFlow：桥接全景分割所有子任务的空间信息流方法
计算机视觉与模式识别
2020-08-28 v3
摘要
目标定位是全景分割的基础，因为它与图像场景中的所有things和stuff相关。知晓图像中目标的位置为分割提供线索，并帮助网络更好地理解场景。如何在thing和stuff分割中均整合目标定位是一个关键问题。本文中，我们提出空间信息流以实现此目标。这些流通过将目标的时空上下文从框回归任务传递给其他任务，可桥接全景分割中的所有子任务。更重要的是，我们设计四个并行子网络以在子任务中获得对目标空间信息的较佳适配。基于子网络与流，我们提出一个位置感知且统一的全景分割框架，记为SpatialFlow。我们对各组件进行了详细的消融研究，并开展广泛实验证明SpatialFlow的有效性。此外，我们在MS-COCO和Cityscapes全景基准上分别取得了 PQ和 PQ的state-of-the-art结果。代码将发布于 https://github.com/chensnathan/SpatialFlow。
引用
@article{arxiv.1910.08787,
title = {SpatialFlow: Bridging All Tasks for Panoptic Segmentation},
author = {Qiang Chen and Anda Cheng and Xiangyu He and Peisong Wang and Jian Cheng},
journal= {arXiv preprint arXiv:1910.08787},
year = {2020}
}
备注
Accepted to IEEE TCSVT