Segmentação Semântica Multimodal
A segmentação semântica multimodal atribui um rótulo de classe semântica a cada pixel em uma cena, fundindo informações de duas ou mais modalidades de sensores — mais comumente imagens RGB pareadas com mapas de profundidade (RGB-D), nuvens de pontos LiDAR, câmeras térmicas ou descrições de texto. Redes profundas codificador-decodificador aprendem a alinhar e fundir pistas complementares de cada modalidade, produzindo segmentações mais densas e precisas do que qualquer abordagem de modalidade única.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/pt/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.
- Segmentação de InstânciaAprendizado profundo↔ compare
- Segmentação semânticaAprendizado profundo↔ compare
- Vision TransformerAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →