Multimodální sémantická segmentace
Multimodální sémantická segmentace přiřazuje sémantickou třídu každému pixelu ve scéně spojením informací ze dvou nebo více senzorových modalit — nejčastěji RGB obrazů doplněných o hloubkové mapy (RGB-D), oblaka bodů z LiDARu, termokamery nebo textové popisy. Hluboké enkodér-dekodér sítě se učí zarovnávat a spojovat doplňující se informace z každé modality, čímž produkují hustší a přesnější segmentaci než jakýkoli přístup založený na jediné modalitě.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/cs/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.
- Instance SegmentationHluboké učení↔ compare
- Sémantická segmentaceHluboké učení↔ compare
- Vision TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →