论文：Video Object Segmentation Without Temporal Information
亮点：做VOS，但不使用temporal information。输入video，使用image semantic segmentation的方法得到instance分割结果，以及与之对应的类别标签。同时，用传统VOS方法得到视频前景物体的估计。找instance segmentation mask与VOS得到的mask一致的部分，选择出来作为semantic prior。提出一种conditional classifier对此semantic prior map进行操作，分类前景背景。
看法：用semantic segmentation的方法解决object segmentation的问题，小题大做，不实用。
借鉴：实验设置以及表述方法值得在DAVIS上做VOS时参考。
论文：ICCV2017-SceneNet RGB-D: Can 5M Synthetic Images Beat Generic ImageNet Pre-training on Indoor Segmentation?
亮点：在indoor segmentation的问题上，提出合成的video 数据。合成数据时考虑了多种因素，如light，motion等。
借鉴：对于video semantic segmentation，与其做类似于过拟合的各种形变，不如做合理的数据合成，可以考虑本论文中使用的3D trajectory。相似论文可以参考：CVPR2016-The SYNTHIA Dataset A Large Collection of Synthetic Images for Semantic Segmentation of Urban SceneS