การแบ่งส่วนความหมายแบบหลายรูปแบบ
การแบ่งส่วนความหมายแบบหลายรูปแบบ (Multimodal semantic segmentation) คือการกำหนดป้ายกำกับคลาสความหมายให้กับทุกพิกเซลในฉาก โดยการหลอมรวมข้อมูลจากเซ็นเซอร์สองประเภทขึ้นไป ซึ่งโดยทั่วไปคือภาพ RGB ร่วมกับแผนที่ความลึก (RGB-D), กลุ่มเมฆจุด LiDAR, กล้องถ่ายภาพความร้อน หรือคำอธิบายที่เป็นข้อความ เครือข่ายเข้ารหัส-ถอดรหัสเชิงลึก (Deep encoder-decoder networks) เรียนรู้ที่จะจัดแนวและหลอมรวมสัญญาณเสริมจากแต่ละรูปแบบ เพื่อสร้างการแบ่งส่วนที่หนาแน่นและแม่นยำกว่าวิธีการที่ใช้เพียงรูปแบบเดียว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/th/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.
- การแบ่งส่วนอินสแตนซ์ (Instance Segmentation)การเรียนรู้เชิงลึก↔ compare
- Semantic Segmentationการเรียนรู้เชิงลึก↔ compare
- วิชันทรานส์ฟอร์มเมอร์การเรียนรู้เชิงลึก↔ compare