我正在写一篇重点关注生物医学图像语义分割的论文。

我正在审查不同的分割方法，确定两个主要方法分支：

• 类似滑动窗口的方法：在原始图像的不同块上使用分类网络来重建概率图的逐像素估计。
• 全图像方法：与 FCNN 和 UNET 方法一样，依赖于完全卷积架构，并且使用转置卷积将升级阶段合并到网络本身中。 https://arxiv.org/abs/1505.04597

第二种方法在任何情况下都明显优于第一种方法。我对为什么会发生这种情况有一个模糊的预感：我的假设是转置卷积操作作为其核心局部操作，强制局部标准对紧密像素的分割，因此在完全卷积的情况下强烈鼓励像素连续性。

由于两个原因，我觉得这种解释并不令人满意：

1. 我没有论文或真实数据来支持这一点：我似乎找不到任何关于这个主题的论文。
2. 滑动窗口方法也具有内置的局部一致性形式：如果重叠窗口共享大部分像素，则可以合理地认为 - 鉴于网络并非完全混乱并显示出足够的线性 - 输出将是相似的。

有没有人对此有一点见解或资料？所有贡献将在很大程度上受到赞赏。