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.
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.
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.
4. Results 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.