ICCVAug, 2019

场景分割的边界感知特征传播

PDF
TL;DR本文提出了一种基于边界感知的特征传播模块，利用单向有向无环图结构化图像，以及在 PASCAL-Context、CamVid 和 Cityscapes 等数据集上取得了最新的场景分割性能。
scene segmentationboundary-aware feature propagationunidirectional acyclic graphssemantic segmentation datasetsstate-of-the-art performance
发现论文，激发创造
  • 目标边界引导的语义分割

    本文介绍了一种名为 OBG-FCN 的全卷积神经网络，它能够利用物体边界信息以完成更为精细的语义分割，其在 PASCAL VOC 分割基准测试上得到了显著的优化。

    Mar, 2016

  • 快速交互图像分割的边界提案分组

    基于极小测地线框架、自适应切割方法以及基于图的边界提议分组方法，提出了一种新型图像分割模型，实验证明该模型在应用于图像分割上优于最先进的基于极小路径的方法。

    Sep, 2023

  • 任意结构数据的学习传播

    本研究提出了一种利用全局方式学习数据点之间的配对关系，通过空间广义传播网络（SGPN）实现对任意结构数据的语义分割的模型，该模块可以灵活地嵌入和联合训练许多类型的网络，如 CNN，并且实验证明，相较于不包含此模块的网络，SGPN 始终提高了像素和点云分割的性能，这表明我们的方法是模拟任意构造数据的全局配对关系的有效方法。

    Sep, 2019

  • PointFlow：通过点流动实现航空图像分割中的语义

    提出了一种基于点亲和力传播模块 PointFlow 的航空图像分割方法，该方法相对于最新的密集亲和力上下文建模方法更加高效和精确，通过选择相邻特征之间的点生成稀疏亲和力映射降低了背景产生的噪音，该方法在三个不同的航空分割数据集上表现出比最先进的一般语义分割方法更有效和高效的结果。

    Mar, 2021

  • MFPNet: 轻量级语义分割的多尺度特征传播网络

    我们提出了一种新颖的轻量级分割架构，名为多尺度特征传播网络 (MFPNet)，通过设计具有柔性瓶颈残差模块的鲁棒的编码器 - 解码器结构，探索深入且丰富的多尺度语义上下文，同时利用图卷积网络 (GCNs)，在瓶颈残差模块之间进行多尺度特征传播，最终在基准数据集上表现出优异的分割结果。

    Sep, 2023

  • 边界神经场的语义分割

    本文介绍了一种基于 Boundary Neural Field (BNF) 的全局能量模型，该模型将 FCN 预测与边界提示相结合，以提高数据集的语义分段一致性和物体定位。实验证明，这种基于边界的全局优化方法在定量和定性方面均比现有方法更优越。

    Nov, 2015

  • 具有扭曲感知特征修正的视频语义分割

    本文提出一种畸变感知的特征校正方法来改善视觉语义分割的性能，旨在将畸变的传播特征纠正回去，首先通过畸变模式预测方法将畸变模式从特征传回图像空间并利用其指导特征校正，实验表明此方法在 Cityscapes 和 CamVid 数据集上显著优于现有最先进的方法。

    Jun, 2020

  • 跨模态三维物体检测的双向传播

    本文描述了一种名为 BiProDet 的双向特征传播框架，使用点到像素的信息流和像素到点的信息流等机制优化了 3D 目标检测。同时，提出一种新的 2D 辅助任务，用于训练 2D 分支并间接提高 3D 检测的性能。实验证明，该方法在 KITTI 数据集的自行车类上的排名为第一位。

    Jan, 2023

  • 快速准确场景分割的语义流

    本文提出了一种名为 'Flow Alignment Module' 的方法，通过学习场景不同层级之间的语义流，并将高层次特征有效和高效地广播到高分辨率特征，使得在轻量级骨干网络上如 ResNet-18 表现卓越，在 Cityscapes 数据集上获得了 80.4% 分割精度，时速达到 26FPS。

    Feb, 2020

  • 针对参考分割的实例特定特征传播

    本文提出了一种新的框架，通过特征传播同时检测感兴趣的目标并生成细粒度分割遮罩，该方法比一阶段和二阶段方法更能够协同和交互地利用视觉和语言信息进行同步识别和分割，并在实验测试中优于先前的最先进方法，关键词包括指代分割，自然语言表达，实例分割模型，特征传播和同步识别。

    Apr, 2022