Segmentació semàntica multimodal
La segmentació semàntica multimodal assigna una etiqueta de classe semàntica a cada píxel d'una escena fusionant informació de dues o més modalitats de sensors —més comunament imatges RGB aparellades amb mapes de profunditat (RGB-D), núvols de punts LiDAR, càmeres tèrmiques o descripcions de text. Les xarxes profundes codificador-descodificador aprenen a alinear i fusionar senyals complementaris de cada modalitat, produint una segmentació més densa i precisa que qualsevol enfocament de modalitat única.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/ca/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.
- Segmentació d'instànciesAprenentatge profund↔ compare
- Segmentació semànticaAprenentatge profund↔ compare
- Vision TransformerAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →