Multimodal semantisk segmentering
Multimodal semantisk segmentering tildeler en semantisk klasselabel til hver piksel i en scene ved å fusjonere informasjon fra to eller flere sensor-modaliteter – vanligst RGB-bilder paret med dybdekart (RGB-D), LiDAR-punktskyer, termiske kameraer eller tekstbeskrivelser. Dype enkodere-dekodere-nettverk lærer å justere og fusjonere komplementære signaler fra hver modalitet, og produserer tettere og mer nøyaktig segmentering enn noen enkelt-modalitets tilnærming.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/no/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.
- InstanssegmenteringDyp læring↔ compare
- Semantisk segmenteringDyp læring↔ compare
- Vision TransformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →