Segmentation sémantique multimodale
La segmentation sémantique multimodale attribue une étiquette de classe sémantique à chaque pixel d'une scène en fusionnant des informations provenant de deux modalités de capteurs ou plus — le plus souvent des images RVB associées à des cartes de profondeur (RVB-D), des nuages de points LiDAR, des caméras thermiques ou des descriptions textuelles. Les réseaux encodeur-décodeur profonds apprennent à aligner et à fusionner les indices complémentaires de chaque modalité, produisant une segmentation plus dense et plus précise que toute approche unimodale.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/fr/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.
- Segmentation d'instancesApprentissage profond↔ compare
- Segmentation sémantiqueApprentissage profond↔ compare
- Vision TransformerApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →