关键词pixel-level prediction
搜索结果 - 5
- 具有条件核的概率图注意力网络用于逐像素预测
本研究提出了一种新的方法,即基于概率图注意力网络结构和依赖特征的条件核,在理论上合理地学习和融合多尺度特征,并用于像素级预测,实验结果表明其有效性。
- CVPR自监督视觉预训练的密集对比学习
本文介绍了一种基于像素的密集自监督学习方法,通过考虑局部特征之间的对应关系,实现了对密集预测任务的有效优化,包括物体检测,语义分割和实例分割。与基线方法 MoCo-v2 相比,该方法仅引入了微不足道的计算开销,但表现出了更好的性能。
- ICLR自然视频序列预测的动作与内容分解
提出了一种利用深度神经网络预测自然视频序列未来帧的方法,通过运动和内容分解进行像素级预测,该模型基于编码器 - 解码器卷积神经网络和卷积 LSTM,同时独立捕捉图像的空间布局和相应的时间动态,并在多个时间步长上进行端到端训练。
- PixelNet:以像素为本,由像素表示,为像素服务
本文提出了从像素边缘检测到表面法线估计到高级语义分割的像素级预测问题的设计原则,通过分层抽样像素来增加多样性,探索复杂的非线性预测器并通过单一的体系结构高效地训练各种像素标记任务,最终在 PASCAL-Context 数据集上的高级语义分割 - CVPR金字塔场景解析网络
本文介绍了一种利用基于不同区域的上下文聚合和金字塔场景分割网络的全局上下文信息的方法,以进行场景分割任务,并在各种数据集上取得了最先进的性能表现。该方法在 PASCAL VOC 2012 基准和 Cityscapes 基准数据集上创造了新的