本稿では、現在主流のセグメンテーション手法と現代的な多角形ベースの手法の長所を統合することで、幾何学的形状を保持しつつ高精度なマスクを生成する新しいインスタンスセグメンテーション手法「PolyTransform」を提案する。具体的には、まずセグメンテーションネットワークを用いてインスタンスマスクを生成し、その後、これらのマスクを多角形の集合に変換する。得られた多角形は、その後、変形ネットワークに供給され、物体の境界により適切にフィットするように形状が変形される。厳しい評価基準を持つCityscapesデータセットにおける実験結果から、PolyTransformはバックボーンとなるインスタンスセグメンテーションネットワークの性能を顕著に向上させ、Cityscapesテストセットのリーダーボードで1位を獲得した。また、インタラクティブアノテーション設定においても著しい性能向上が確認された。本研究の実装コードは、https://github.com/uber-research/PolyTransform にて公開している。