Answers are grounded in this paper and cite their sources.
Anotasi manual pada segmentasi panoptik berbasis supervised learning merupakan proses yang mahal dan memakan waktu, menjadi hambatan dalam pengembangan sistem segmentasi pada lingkungan visual yang dinamis. Penelitian ini mengimplementasikan framework U2Seg sebagai pendekatan unsupervised panoptic segmentation yang memanfaatkan pseudo-label berbasis MaskCut untuk segmentasi instance dan STEGO untuk segmentasi semantik. Penelitian ini menyelidiki pengaruh pemilihan backbone terhadap performa segmentasi panoptik dengan membandingkan ResNet-50 DINO dan Swin Tiny pada dataset COCO 2017. Hasil evaluasi menunjukkan ResNet-50 DINO sebagai baseline memperoleh PQ 15,5, SQ 69,7, dan RQ 19,1, sedangkan Swin Tiny memperoleh PQ 14,5, SQ 68,7, dan RQ 18,0. Analisis per kategori menunjukkan Swin Tiny unggul pada kategori stuff dengan selisih PQst 5,5 poin, sementara ResNet-50 DINO lebih unggul pada kategori things dengan selisih PQth 7,1 poin. Penelitian ini menunjukkan bahwa pemilihan backbone memberikan pengaruh berbeda terhadap performa segmentasi panoptik pada kategori things dan stuff. Kata kunci—Segmentasi Panoptik, Unsupervised Panoptic Segmentation, U2Seg, Backbone, Pseudo-Label
No takes yet. Share an insight, caveat, or question.
Putra et al. (2026) studied this question.
Synapse has enriched 10 related papers. Consider them for comparative context: