Мультимодальная семантическая сегментация
Мультимодальная семантическая сегментация присваивает семантический класс каждому пикселю в сцене путем слияния информации от двух или более сенсорных модальностей — чаще всего это RGB-изображения в паре с картами глубины (RGB-D), облаками точек LiDAR, тепловизионными камерами или текстовыми описаниями. Глубокие сети кодировщик-декодер обучаются выравнивать и объединять комплементарные признаки от каждой модальности, производя более плотную и точную сегментацию, чем любой одномодальный подход.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/ru/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.
- Сегментация экземпляровГлубокое обучение↔ compare
- Семантическая сегментацияГлубокое обучение↔ compare
- Vision TransformerГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →