Machine learningDeep learning / NLP / CV
다중 양식 의미론적 분할(Multimodal Semantic Segmentation)
다중 양식 의미론적 분할은 두 개 이상의 센서 양식(가장 흔하게는 RGB 이미지와 깊이 지도(RGB-D), LiDAR 포인트 클라우드, 열화상 카메라 또는 텍스트 설명)의 정보를 융합하여 장면의 모든 픽셀에 의미론적 클래스 레이블을 할당합니다. 딥 인코더-디코더 네트워크는 각 양식에서 상호 보완적인 단서를 정렬하고 융합하는 방법을 학습하여 단일 양식 접근 방식보다 더 조밀하고 정확한 분할을 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →