Чем основанное на GAN изображение и карта сегментации отличаются от методов сегментации SOTA semanti c?

Question

Я искал бумаги типа Pix2Pix и DeeplabV3. И в бумаге pix2pix есть выполненное задание на сегментацию изображения. Точно так же DeeplabV3 используется для задач сегментации. Я хочу понять, когда я должен использовать GAN для сегментации и когда я должен использовать методы сегментации SOTA. Каковы плюсы и минусы этих методов в сегментации semanti c?

Answer 1

Полагаю, кто-то может найти пример, но я не видел, чтобы метод GAN работал лучше, чем современные методы сегментации. В моем понимании GAN более интересны для переноса домена или в целом под слабым контролем. Однако, если у вас есть набор данных с соответствующими пиксельными аннотациями, я думаю, что вы должны следовать «стандартным» semanti c документам по сегментации.
Если вы хотите знать, какие методы в целом работают лучше, я бы порекомендовал вам следовать некоторым задачам компьютерного зрения и проверять лучшие методы выполнения (например, kaggle, grand-challenge.org, конференции, ...).
Один сайт интересен для отслеживания различных методов на одном графике: https://paperswithcode.com/task/semantic-segmentation
Поэтому, если вам интересно, что лучше всего подойдет для сегментации semanti c, я бы, конечно, посоветовал вам взглянуть на deeplab, как вы упомянули, или этот репозиторий , вполне эффективный.