Мултимодална семантична сегментация
Мултимодалната семантична сегментация присвоява етикет от семантичен клас на всеки пиксел в сцена чрез сливане на информация от две или повече сензорни модалности — най-често RGB изображения, комбинирани с карти на дълбочината (RGB-D), LiDAR облаци от точки, термални камери или текстови описания. Дълбоки енкодер-декодер мрежи се обучават да подравняват и сливат допълващи се сигнали от всяка модалност, произвеждайки по-плътна и по-точна сегментация от всеки подход, базиран на единична модалност.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Hazirbas, C., Ma, L., Domokos, C., & Cremers, D. (2016). FuseNet: Incorporating Depth into Semantic Segmentation via Fusion-based CNN Architecture. In Proceedings of the Asian Conference on Computer Vision (ACCV). Springer. link ↗
- Zhang, J., Liu, H., Yang, K., Hu, X., Liu, R., & Stiefelhagen, R. (2023). CMX: Cross-Modal Fusion for RGB-X Semantic Segmentation with Transformers. IEEE Transactions on Intelligent Transportation Systems, 24(12), 14801–14813. DOI: 10.1109/TITS.2023.3300537 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/bg/deep-learning/multimodal-semantic-segmentation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Инстанс сегментацияДълбоко обучение↔ compare
- Semantic SegmentationДълбоко обучение↔ compare
- Vision TransformerДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →