摘要
最近引入的全景分割任务重新激发了我们社区对统一实例分割（针对物体类别）和语义分割（针对背景类别）的兴趣。然而，目前最先进的方法在处理这一联合任务时，仍然使用独立且不同的网络进行实例分割和语义分割，没有进行任何共享计算。在这项工作中，我们的目标是在架构层面统一这些方法，设计一个同时适用于两个任务的单一网络。我们的方法是通过使用共享的特征金字塔网络（Feature Pyramid Network, FPN）主干，为Mask R-CNN（一种流行的实例分割方法）添加一个语义分割分支。令人惊讶的是，这个简单的基线不仅在实例分割方面依然有效，而且在语义分割方面也表现出了一种轻量级、性能优异的方法。在这项工作中，我们对这种最小扩展版本的Mask R-CNN与FPN进行了详细研究，并将其称为全景FPN（Panoptic FPN），展示了它在两个任务中都是一个稳健且准确的基线。鉴于其有效性和概念上的简洁性，我们希望我们的方法能够成为一个强大的基线，并助力未来在全景分割领域的研究。