الانقسام المتكرر للInstances القائم على المحيط العام مع التعلم التدريجي

تم دراسة التجزئة القائمة على المحيط بشكل مكثف، بفضل مرونتها وجماليتها في معالجة الكائنات البصرية ضمن خلفيات معقدة. في هذا العمل، نقترح معمارية شبكة عميقة جديدة، تُسمى PolySnake، للتفرقة القائمة على المحيط بشكل عام. مستلهمين من خوارزمية Snake الكلاسيكية، تحقق PolySnake أداءً متميزًا وقويًا في التجزئة من خلال استراتيجية تحسين تدريجي ومتحسن للمحيط. من الناحية الفنية، تُقدّم PolySnake عامل تحديث متكرر لتقدير محيط الكائن بشكل تدريجي. وتُحافظ على تقدير واحد للمحيط، الذي يتم تقويسه تدريجيًا نحو الحدود الفعلية للكائن. في كل تكرار، تقوم PolySnake ببناء تمثيل غنيًا بالمعاني للمحيط الحالي، ثم تُدخله إلى العامل المتكرر لإجراء تعديلات إضافية على المحيط. من خلال هذه العمليات التحسينية المتكررة، يتجه المحيط تدريجيًا نحو حالة مستقرة تُحيط بالكائن بدقة. وبالإضافة إلى نطاق التجزئة العامة، أُجريت تجارب واسعة لتأكيد فعالية وقابلية التعميم لـ PolySnake في سيناريوهين محددين إضافيين، وهما كشف النص في المشهد وكشف المسارات. وأظهرت النتائج أن PolySnake تتفوّق على الطرق المتقدمة الحالية على عدة معايير شائعة في ثلاث مهام مختلفة. يمكن الوصول إلى الشيفرة النصية والنموذج المُدرّب مسبقًا عبر الرابط: https://github.com/fh2019ustc/PolySnake