La segmentation panoptique est une tâche de vision par ordinateur qui consiste à segmenter une image ou une vidéo en différents objets et leurs parties respectives et à étiqueter chaque pixel avec la classe correspondante. Il s’agit d’une approche plus complète de la segmentation d’images que la segmentation sémantique traditionnelle, qui divise uniquement les images en catégories sans tenir compte des parties des objets.

Les algorithmes de segmentation panoptique combinent la segmentation sémantique et la segmentation d'instance pour distinguer les classes générales d'objets et leurs composants ou instances. Ils peuvent gérer une variété de classes d'objets, tels que des objets (par exemple, le ciel, l'herbe et la route) et des choses (par exemple, des véhicules, des personnes et des bâtiments), et segmenter et étiqueter avec précision des classes entières et des parties spécifiques d'objets.

La précision et l’efficacité des algorithmes de segmentation panoptique sont améliorées grâce au développement de nouvelles stratégies et méthodes dans ce domaine de recherche dynamique. Il s’agit d’une tâche clé de la vision par ordinateur et ses utilisations sont nombreuses, telles que la réalité augmentée, la reconnaissance d’objets et l’analyse d’images et de vidéos.

La segmentation panoptique, dans son ensemble, est une approche approfondie de segmentation d'image qui consiste à décomposer une image ou une vidéo en objets distincts et leurs parties constitutives et à étiqueter chaque pixel avec la classe appropriée. Il s’agit d’un sujet de recherche actif et qui a de nombreuses utilisations en vision par ordinateur.