computer-vision - 基于 GAN 的图像到分割图与 SOTA 语义分割方法有何不同？

Question

我一直在寻找像 Pix2Pix 和 DeeplabV3 这样的论文。在 pix2pix 论文中，执行了一个图像分割任务。同样，DeeplabV3 用于分割任务。我想了解什么时候应该使用 GAN 进行分割，什么时候应该使用 SOTA 分割方法。这些方法在语义分割上的优缺点是什么？

Answer 1

我想有人可能会找到一个例子，但到目前为止，我还没有看到 GAN 方法比最先进的分割方法表现更好。在我的理解中，GAN 对于域迁移或一般的弱监督方法更有趣。但是，如果您有一组具有相应像素注释的数据，我认为您应该遵循“标准”语义分割论文。
如果您想知道总体上哪些方法性能更好，我建议您关注一些计算机视觉挑战并检查性能最佳的方法（例如 kaggle、grand-challenge.org、会议挑战......）。
一个网站很有趣，可以在单个图表上跟踪不同的方法： https ://paperswithcode.com/task/semantic-segmentation
因此，如果您想知道什么最适合语义分割，我当然建议您查看您提到的 deeplab 或这个存储库，非常有效。