本研究针对rip流实例分割，提供了包含2466张图像和17段无人机视频的数据集。训练的YOLOv8-nano模型在验证集上mAP50达到88.94%，为未来研究提供了基准，并公开了代码和数据集。

本研究提出了一种实例温度分配（ITA）方法，旨在解决实例分割中的广义类发现（GCD）任务。该方法利用有无标签数据来发现新类，实验结果表明其在多个数据集上优于现有技术。

本文提出了一种名为Contourformer的实时实例分割算法，通过可变形注意力模块和多阶段优化，提高了分割精度和推理速度，为基于轮廓的实例分割提供了新方案。

本研究提出D-PLS方法，解决4D全景激光雷达分割中语义分割与实例分割的耦合问题。利用单次扫描的语义分割作为先验信息，显著提升了分类和关联任务的性能。

本研究提出了MaskTerial模型，旨在自动检测和分类光学显微镜图像中的二维材料薄片。该深度学习模型采用实例分割网络，经过合成数据预训练，能够快速适应新材料，尤其在低对比度材料（如氮化硼）检测中表现优于现有技术。

本研究提出了一种通过单一标记点进行熵估计的方法，解决了显微镜结构分割中对手动绘制轮廓的需求。尽管像素标签减少了95%，该方法在实例分割性能上依然表现良好，具有应用潜力。

本文介绍了多种创新的3D模型学习方法，如Bridge3D、OpenMask3D和Mx2M。这些方法利用预训练模型和跨模态知识，提升了3D实例分割和语义分割的性能，尤其在开放词汇任务中表现优异，展示了无需监督的有效性和快速部署的潜力。

DIS-Mine是一种新颖的实例分割方法，旨在在地下矿山低光照条件下识别灾害影响区域，以提升救援效率。该方法通过改进图像亮度和结合特征匹配技术，实验结果显示F1得分高达86.0%。

本研究提出了一种基于大型语言模型的自动注释和实例分割方法，旨在解决深度学习中的数据收集和手动注释瓶颈。该方法在果实实例分割任务中取得了0.9513的Dice系数和0.9303的IoU，验证了其有效性。

本研究提出了一种基于变换器的统一框架，用于增量少样本目标检测和实例分割。该方法通过扩展Mask-DINO，降低新类别的过拟合并减少基础类别的遗忘。实验结果表明，该方法在COCO和LVIS数据集上的性能优于现有方法。

本研究提出了一种数据中心方法，以提高荧光寿命成像（FLIm）在手术中的实时检测精度。通过实例分割模型，检测准确性和鲁棒性显著提升，手术视频中的中位检测率达到85%，增强了实时图像引导的可靠性。

飞桨发布的Mask-RT-DETR模型在实例分割任务中表现优异，支持134个模型。该模型基于RT-DETR优化，采用PP-HGNetV2作为骨干网络，提升了精度和速度。通过IoU-aware Query Selection和MaskDINOHead技术，Mask-RT-DETR在相同推理耗时下达到了SOTA级别的精度，适用于多个领域。

PixLab Annotate 是一款高效的网页图像标注工具，适用于机器学习模型训练。它提供用户友好的界面和多种高级标注工具，支持实例分割和灵活的输出格式。用户无需安装即可在浏览器中使用，适合开发者、数据科学家和学生。

本研究提出了一种新型神经网络架构，用于3D点云场景的实例分割。通过并行学习系数和原型，省略传统聚类步骤，提高了处理速度和稳定性。实验结果显示，该方法比现有技术快28%，推理时间的标准差显著降低。

本文探讨了目标检测和实例分割中的预训练模型与自我训练方法的效果。研究发现，随机初始化模型在COCO数据集上的表现与ImageNet预训练模型相当，自我训练在低数据和高数据环境中均能提升准确性。提出的CA-SSL框架和RPP方法通过优化训练信号和提示预训练，显著提高了视觉任务的性能。

本文介绍了一种基于占据网络的3D重建方法，提升了计算和内存效率。提出的OccuSeg实例分割方法在多个数据集上表现优异，同时介绍了基于OccupancyM3D的单眼3D检测方法，取得了最佳效果。研究还探讨了3D占据预测的多模态模型和InverseMatrixVT3D方法，展示了在3D语义占有预测中的有效性。

本文介绍了一种基于注意力机制的细胞检测变换器（Cell-DETR），实现了快速准确的实例分割，并提升了实验信息输出。研究探讨了深度学习在生物医学图像分析中的应用，展示了其在细胞图像分割和纳米颗粒观察中的优势。

本文探讨了利用卷积神经网络（CNN）和图像语义分割技术改善图像处理效果，包括消除色偏、实例分割和图像上色等。这些方法在自动驾驶、植物表型学和显微镜图像分析等领域表现出显著的有效性，并在多个数据集上取得了高准确度和性能提升。

本文研究全景分割任务，结合语义分割与实例分割，提出新评估指标和端对端网络。通过动态卷积和深度感知框架，解决遮挡和内存问题，取得多项数据集的最新成果。同时，介绍了少样本学习和扩散模型在全景分割中的应用，展现出良好效果。