基于GAN的图像分割图与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，有一个要分割的图像任务。同样，DeeplabV3也用于分段任务。我想知道什么时候应该使用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

我猜有人可能会找到一个例子，但到目前为止，我还没有看到一个GAN方法比最先进的分割方法表现得更好。在我的理解中，GAN对于域转移或一般的弱监督方法更有趣。但是，如果您有一组带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。

如果你想知道哪些方法总体上表现更好，我建议你关注一些计算机视觉挑战，并检查表现最好的方法(例如kaggle，grand Challenge.org，conference challenges，...)。

有一个网站很有趣，可以在一个图表上跟踪不同的方法：https://paperswithcode.com/task/semantic-segmentation

因此，如果你想知道什么对语义分割最有效，我当然会建议你看看你提到的deeplab或this repository，非常有效。