摘要
当前的实例分割方法可分为两类：基于分割的方法先进行分割再进行聚类，以及基于提议的方法先检测目标，再通过重池化（repooling）为每个实例提议预测掩码。在本工作中，我们提出一种单阶段方法——EmbedMask，该方法通过融合两类方法的优势，实现了统一。与基于提议的方法类似，EmbedMask建立在检测模型之上，因而具备强大的检测能力。同时，EmbedMask引入额外的嵌入模块，为像素和提议生成嵌入表示；若像素属于同一实例，则其像素嵌入会受到对应提议嵌入的引导。通过这种嵌入耦合机制，当像素嵌入与提议嵌入相似时，该像素即被分配至该提议的掩码中。这种像素级聚类策略使EmbedMask能够在不依赖重池化的情况下生成高分辨率掩码，避免细节丢失；而提议嵌入的存在则简化并强化了聚类过程，从而在保持高性能的同时显著提升运行速度，优于传统的基于分割的方法。在不依赖任何额外技巧的前提下，EmbedMask在性能上可与代表性的两阶段方法Mask R-CNN相媲美，并能在更高效率下生成更为精细的掩码。代码已开源，地址为：github.com/yinghdb/EmbedMask。