本文分享 GAP-Lab 团队在 CVPR 2022 的工作。我们提出了SharpContour，一种基于轮廓变形的实例分割边缘细化方法。所发现导致基于轮廓变形的实例分割方法生成过于光滑轮廓的问题，SharpContour基于提出了IPC并依赖其设计了新的轮廓变形方法。实验证明，SharpContour确实在继承了基于轮廓变形的实例分割方法高效通用性强的优点的同时实现了较高的精度。因而SharpContour实现了对于实例分割边缘细化方法准确高效高通用性的要求。

论文链接：

https://arxiv.org/abs/2203.13312

项目主页：

https://xyzhang17.github.io/SharpContour/

上图展示了SharpContour的轮廓变形过程。当SharpContour从现有分个模型的分割结果中获得初始轮廓后，将使用提出的基于分类任务轮廓变形的方式完成边缘细化。