เปรียบเทียบวิธี

	การแบ่งส่วนอินสแตนซ์แบบกำกับดูแลอย่างอ่อน	การแบ่งส่วนอินสแตนซ์แบบกำกับตนเอง
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2015–2019	2021–2022
ผู้ริเริ่ม	Multiple contributors (e.g., Hsu et al., Khoreva et al.)	Wang et al. (FreeSOLO); Caron et al. (DINO)
ประเภท	Weakly supervised deep learning for pixel-wise instance delineation	Self-supervised deep learning for pixel-level object delineation
แหล่งต้นตำรับ	Hsu, C.-C., Hsu, K.-J., Tsai, C.-C., Lin, Y.-Y., & Chuang, Y.-Y. (2019). Weakly supervised instance segmentation using the bounding box tightness prior. Advances in Neural Information Processing Systems (NeurIPS), 32.	Wang, X., Zhu, Z., Cao, G., Yao, Z., Jiang, Z., & Ye, J. (2022). FreeSOLO: Learning to Segment Objects without Annotations. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 14176–14186.
ชื่อเรียกอื่น	WSIS, weakly-supervised mask prediction, weak-label instance segmentation, box-supervised instance segmentation	SSIS, unsupervised instance segmentation, label-free instance segmentation, self-supervised mask prediction
ที่เกี่ยวข้อง	6	4
สรุป	Weakly supervised instance segmentation trains deep networks to delineate individual object instances at pixel level using only cheap, incomplete annotations — such as bounding boxes, image-level labels, or point clicks — rather than costly full pixel-wise masks. It dramatically reduces annotation effort while still producing instance-level masks for each object in an image.	Self-supervised instance segmentation learns to detect and delineate individual object instances in images without any human-annotated masks or bounding boxes. Instead of relying on costly pixel-level labels, it exploits self-supervised pretraining, multi-view consistency, and pseudo-label generation to discover and segment objects purely from raw image data.