PointRend喜提CVPR2020的Oral，代碼已經開源，非常有效率。
https://github.com/facebookresearch/detectron2/tree/master/projects/PointRend
剛剛Kaiming He團隊又release了一篇文章，PointRend: Image Segmentation as Rendering，提出一種非常新穎的圖像分割方法。受到經典計算機圖形學中渲染方法的啓發，分析了密集像素預測中遇到的過採樣和欠採樣問題，選擇將圖像分割看作渲染問題這個獨特的視角來解決。
https://arxiv.org/pdf/1912.08193.pdf
論文還沒有仔細研究，但從實驗結果來看分割的細節有明顯提升。
如果將論文簡單地看成選point然後優化分割結果的話就會很樸素，但是作者從渲染的角度來寫就讓人覺得很有新意。從這一點上看，kaiming組的水平確實很高，能把論文提到更高的level。可能，這就是大神和凡人的區別之一吧。
靈魂拷問：分割邊界做的更精細有意義嗎？
由於文章方法是在一般的分割數據集如Cityscapes上驗證的，對於自動駕駛場景來說，相對不太需要如此精細的分割，而且會帶來額外的計算代價。
但是對於Photoshop裏面的圖片編輯功能是有重要意義的，如果能在類似於人像髮絲分割等數據上驗證其有效性，那麼就會更好了。
