[论文翻译]基于渐进式学习的循环通用轮廓实例分割
摘要—基于轮廓的实例分割因其在处理复杂背景中视觉对象时的灵活性与优雅性而受到广泛研究。本文提出了一种新型深度网络架构PolySnake,用于通用型基于轮廓的实例分割。受经典Snake算法启发,该模型通过迭代渐进式轮廓优化策略实现了卓越且稳健的分割性能。技术上,PolySnake采用循环更新算子对目标轮廓进行迭代估计,始终保持单一轮廓预测并通过渐进形变逼近物体边界。每次迭代时,模型会为当前轮廓构建语义丰富的表征,并将其输入循环算子以进一步调整轮廓。经过多次优化迭代,轮廓最终收敛至紧密包围目标实例的稳定状态。除通用实例分割任务外,我们通过大量实验验证了PolySnake在场景文本检测和车道检测两个特定任务中的有效性与泛化能力。