[CVPR 2022 | 论文简读] 基于Transformer的高质量实例分割方法

简读分享 | 汪逢生 编辑 | 乔剑博

论文题目

Mask Transfiner for High-Quality Instance Segmentation

论文摘要

两阶段的实例分割方法比较粗糙，本文提出了Mask Transfiner方法，在产生高精度物体分割结果的同时，避免了传统Transformer模型的高内存及计算负担。不同于现有方法统一处理整张图片，Mask Transfiner提出了新颖的信息损失区域(Incoherent Regions)检测机制，在此基础上构造了四叉树结构(Quadtree Structure)，使用Transformer将信息损失区中的空间离散点作为序列输入以自纠正预测错误。Transfiner在三个大规模实例分割数据集COCO，Cityscapes和BDD100K上均取得了明显的性能提升，尤其是在物体的边缘区域。例如，使用R50-FPN作为backbone，Transfiner在COCO数据集上boundary AP提高了5.6，mask AP提高了3.0。

论文链接

https://arxiv.org/pdf/2111.13673.pdf