论文阅读理解 - Panoptic Segmentation 全景分割

论文阅读理解 - Panoptic Segmentation 全景分割

[Paper]

摘要

• 新的任务场景 —— 全景分割 Panoptic Segmentation: 统一了实例分割(Instance Segmentation) 和语义分割(Semantic Segmentation). 实例分割 - 检测每个 object instance，并进行分割； 语义分割 - 对每个像素分类.
• 新的评价指标 —— panoptic quality(PQ) measure
• basic 算法 —— 结合实例分割和语义分割的全景分割方法，输出全景结果.

新的研究方向.

• CV 以往主要关注于 things - 可数的 objects (countable obects)，如 people, animals, tools 等. 而对于 stuff - 相同或相似纹理或材料的不规则区域，如 grass，sky，road 等的关注较少.
• 关于 Stuff 的研究主要是以语义分割的进行，如 Figure 1b. 其目的是，通过对图片中每一个像素分类，来确定不规则、无组织、不可数的 stuff；语义分割方法是将 thing categories 作为 stuff.
• 关于 Things 的研究可以作为目标检测或实例分割进行，如Figure 1c. 其目的是，通过检测每个 object，并以 bounding box 或 segmentation mask 的方式描述.
• 问题： Can there be a reconciliation between stuff and things? Is there a simple problem formulation that gracefully encompasses both tasks? And what would a unified visual recognition system look like?
• 新的任务场景 - 全景分割 Panoptic Segmentation(PS) 全景(panoptic) - 对视野内所有物体进行描述”including everything visible in one view” 全景分割 - 图片内的每个像素都必须分配 semantic label 和 instance id. 如 Figure 1d. 相同 label 和相同 id 的像素属于相同 object；忽略 stuff labels 的 instance id.

这里写图片描述

Figure1. (a) 给定图片；(b)语义分割 groundtruth，逐像素的 class labels；(c)实例分割 groundtruth，逐 object 的 mask 和 class label；(d) 全景分割 groundtruth，逐像素的 class labels 和 instance labels. PS 将语义分割和实例分割泛化，对图片中的每一个可见 object 和 region 进行辨别与描述.

全景分割与实例分割，语义分割的不同：

• 对比语义分割，全景分割需要区分不同的 object instances；对于 FCN-based 方法具有挑战性.
• 对比实例分割，全景分割必须是非重叠的(non-overlapping)；对于 region-based 方法具有挑战性.
• 全景分割需要同时识别 stuff 和 things.

全景分割度量评价.

全景分割的尝试研究，结合语义分割和实例分割两种独立的研究，采用一系列的后处理方法，将二者的结果进行合并(本质上是，NMS 的复杂形式). 给出初步的全景分割 baseline.

1. 全景分割

1.3 与语义分割区别

• 相同之处： 均需要对图像的每个像素设定 semantic label. 如果 groundtruth 未指定 instances 信息，或者所有的 categories 都是 stuff，二者相同.
• 不同之处： 当有 thing categories 时，图片中有多个 instances 时，则二者有区别.

1.4 与实例分割区别

• 实例分割 - 对图片中的每个 object 进行分割，允许 objects 重叠(overlapping)；
• 全景分割 - 图片每个像素只有一个 semantic label 和 一个 instance id. 不允许重叠.

1.5 Confidence scores

类似于语义分割，而不同于实例分割，全景分割不需要每个 segment 的confidence scores.

2. Panoptioc Quality

全景分割精度评价设计原则：

• Completeness 完整性- 全景分割的关键性度量，包括 segmentation quality，检测 precision 和 recall.
• Interpretability 可解释性 - 能够明确地表示其意义.
• Simplicity 简单性 - 易于定义和实现. 能够进行快速计算.

提出全景分割的评价标准： Paniptic Quality(PQ).

PQ 计算预测的全景分割与 groundtruth 的差异. 主要包括两步：

• instance matching 实例匹配
• 给定 mathes，计算PQ.

2.1 Instance Matching

如果预测 segment 和 groundtruth segment 的 IOU > 0.5，则二者匹配(match).

再加上全景分割的非重叠属性(non-overlapping property)，即可得到唯一的匹配(unique matching)：与每个 ground truth segment 最多有一个匹配的预测 segment.

Theorem 1 给出了全景分割度量评价需要的两种特点：

• 简单有效 - segment 是唯一且易于计算的.
• 可解释且易于理解

2.2 PQ 计算

先分别对每一类计算 PQ，再计算所有类的平均值. 对于类别不平衡问题，PQ 不敏感.

对于每一类，唯一匹配原则将 predicted 和 groundtruth segment 分成三个集：true positives(TP) - 匹配的 segments pairs，false positives(FP) - 不匹配的 predicted segments 和 false negatives(FN) - 不匹配的 grountruth segments. 如 Figure 2.

这里写图片描述

3. 全景分割数据集

现在仅有的三个同时包括语义分割和实例分割标注的数据集：

• Cityscapes 5000 张图片，2975 张 train，500 张 validation， 1525 张 test. 自动驾驶场景; 像素级标注，19 类语义分割，其中 8 类实例级分割.
• ADE20k 25k 张图片，20k 张 train， 2k val，3k test. 像素级分割，100 类 thing，50 类 stuff.
• Mapillary Vistas 25k 张街景图片， 18k 张 train，2k 张 val，5k 张 test. 像素级分割，28 类 stuff，37 类 thing.

这里写图片描述

4. Results

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

5. 全景分割的前景

全景分割作为计算视觉一个新的任务场景，其前景有待挖掘与探索.

PS baseline 算法仅是结合实例分割和语义分割的输出，其创新方向可有：

• 深度 End-to-end 模型，以同时处理 PS 中的 stuff-and-thing；
• 由于PS 不能有重叠 segments，高层的推理可能有帮助解决. 如 learnable NMS.