語義分割研究是否已飽和？

🔑 增強重點摘要

• •研究焦點已從單純的 2D 語義分割轉向「全景分割」（Panoptic Segmentation）與「通用分割」（Universal Segmentation），旨在單一模型中同時處理語義、實例與全景分割任務。
• •基於 Transformer 的架構（如 Mask2Former）已成為當前主流，取代了傳統基於 CNN 的 FCN 或 DeepLab 系列，這導致了傳統 2D 語義分割領域在架構創新上的邊際效應遞減。
• •學術界與工業界正將資源轉向「視覺基礎模型」（Vision Foundation Models）與「多模態分割」（Multimodal Segmentation），利用大型預訓練模型進行零樣本（Zero-shot）分割，而非針對特定數據集進行監督式訓練。

🛠️ 技術深入

• •架構轉型：從像素級分類轉向基於查詢（Query-based）的架構，如 Mask2Former 使用 Transformer 解碼器，將分割任務視為集合預測問題。
• •預訓練範式：利用 SAM（Segment Anything Model）等基礎模型，透過提示（Prompting）機制實現對未見過類別的分割，降低了對特定領域標註數據的依賴。
• •多模態融合：整合 CLIP 等視覺-語言模型，透過文本嵌入（Text Embeddings）引導分割過程，實現開放詞彙（Open-vocabulary）的語義分割能力。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線