Segmentación Semántica Multimodal
La segmentación semántica multimodal asigna una etiqueta de clase semántica a cada píxel de una escena fusionando información de dos o más modalidades de sensores — comúnmente imágenes RGB emparejadas con mapas de profundidad (RGB-D), nubes de puntos LiDAR, cámaras térmicas o descripciones de texto. Las redes profundas codificador-decodificador aprenden a alinear y fusionar señales complementarias de cada modalidad, produciendo una segmentación más densa y precisa que cualquier enfoque unimodal.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/es/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.
- Segmentación de instanciasAprendizaje profundo↔ compare
- Segmentación semánticaAprendizaje profundo↔ compare
- Vision TransformerAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →