Multimodális szemantikus szegmentáció
A multimodális szemantikus szegmentáció egy szemantikus osztálycímkét rendel a jelenet minden egyes pixeléhez két vagy több szenzormodalitásból származó információ fúziójával — leggyakrabban RGB képek mélységtérképekkel (RGB-D), LiDAR pontfelhőkkel, hőkamerákkal vagy szöveges leírásokkal párosítva. A mély enkóder-dekóder hálózatok megtanulják összehangolni és fúzionálni az egyes modalitások kiegészítő jelzéseit, sűrűbb és pontosabb szegmentációt eredményezve, mint bármely egymodalitású megközelítés.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/hu/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 SegmentationMélytanulás↔ compare
- Szemantikus szegmentációMélytanulás↔ compare
- Vision TransformerMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →