Мультимодальна семантична сегментація
Мультимодальна семантична сегментація призначає мітку семантичного класу кожному пікселю сцени, об'єднуючи інформацію з двох або більше сенсорних модальностей — найчастіше RGB-зображень у парі з картами глибини (RGB-D), хмарами точок LiDAR, тепловими камерами або текстовими описами. Глибокі мережі типу «кодер-декодер» навчаються вирівнювати та об'єднувати комплементарні сигнали з кожної модальності, забезпечуючи щільнішу та точнішу сегментацію, ніж будь-який одномодальний підхід.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/uk/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.
- Сегментація екземплярівГлибоке навчання↔ compare
- Семантична сегментаціяГлибоке навчання↔ compare
- Трансформер для комп'ютерного зоруГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →