本周更新的第二篇论文阅读，2023年每周一篇博文，还剩5篇未补，继续加油~论文地址：DynaMask: Dynamic Mask Selection for Instance Segmentation：https://arxiv.org/abs/2303.07868代码地址：https://github.com/lslrh/DynaMask收录于：CVPR 2023欢迎关注，主页更多干活，持续输出

Anaconda/pip 更换为阿里源，助力 conda create -n 虚拟环境搭建

首先表明细胞分割对于生物分析和癌症监视有着重要作用，接着指出现有的一些挑战：大量的半透明细胞簇重叠使得彼此边界混乱；原子核拟态和碎片存在混淆（太专业的术语不好翻译）。于是本文提出一种解耦合-重组策略：De-overlapping Network (DoNet)：提出一种双路径区域分割模块来显式地将细胞簇解耦合为交叉区域；提出一种重组模块来引导整合语义一致性的互补区域；

指代图像分割 Referring image segmentation (RIS) 旨在产生高质量的 mask，现有的方法总是需要采用迭代学习的方法，依赖于 RNNs 或堆叠的注意力层来提炼视觉-语言特征。但基于 RNN 的方法依赖于特定的编码器，基于注意力的方法收益很低。于是本文引入渐进式地学习多模态特征的方法，核心 idea 是利用一个持续更新的 query 作为目标的表示，并在每个迭代步中加

本文提出基于 Transformer 的方法用于视觉定位。不像现有的先取出 proposals 后排序的方法，极度依赖于预训练的目标检测器，或者无 proposal 的框架方法，通过融合文本化的 embedding 更新一组离线的单阶段检测器。本文提出的方法Visual Grounding with TRansformers VGTR 建立在 Transformer 框架之上，独立于预训练检测器和