摘要

本文提出一个全新的数据集，旨在推动不规则形状物体实例分割研究的发展。我们的核心观察是：尽管不规则形状的物体在日常生活和工业场景中广泛存在，但由于缺乏相应的数据集，该类物体在实例分割领域长期未受到足够关注。为填补这一空白，我们提出了iShape——一个面向实例分割的不规则形状数据集。iShape包含六个子数据集，其中包含一个真实采集数据集和五个合成数据集，每个子数据集代表一种典型不规则形状的场景。与大多数针对规则物体的现有实例分割数据集不同，iShape具有多项挑战现有算法的特性，例如实例边界框之间存在大量重叠、极端的长宽比，以及单个实例包含大量连通组件。我们在iShape上对主流实例分割方法进行了基准测试，发现其性能显著下降。为此，我们提出一种基于亲和力的实例分割算法——ASIS（Affinity-based Shape Instance Segmentation），作为更强大的基线方法。ASIS通过显式融合感知与推理能力，有效解决任意形状实例分割问题，包括不规则物体的分割任务。实验结果表明，ASIS在iShape数据集上显著优于当前最优方法。数据集与代码已公开，访问地址为：https://ishape.github.io