semantic scene segmentation | BriefGPT

关键词semantic scene segmentation

搜索结果 - 12

BEVCar: 融合相机和雷达的纯电动车地图和物体分割
通过将原始雷达数据编码为点云并将图像特征转化到鸟瞰空间中，我们引入了一种名为 BEVCar 的新型方法，用于联合 BEV 对象和地图分割，并且在 nuScenes 数据集上的实验表明，BEVCar 在环境条件复杂和远距离物体分割方面的性能优
PDF4 months ago
基于对比注意力的公平学习：开放世界下的连续语义场景理解
通过对比注意力的公平性学习方法，解决持续学习中语义场景理解的灾难性遗忘、公平性、背景转移和未知类的问题，并在 ADE20K、Cityscapes 和 Pascal VOC 等标准基准上取得了最先进的性能。
PDF7 months ago
基于元认知的分割模型异常检测
通过引入一种轻量级模块，利用熵量测、分割预测和空间上下文来表征分割模型的不确定性，从而实时检测像素级的极端数据，同时结合生成的合成极端数据进行最大熵训练，我们的方法可以可靠地检测场景中的极端实例，并在语义分割基准测试中表现卓越。
PDF9 months ago
自监督预训练提升激光雷达数据的语义场景分割
通过使用 Barlow Twins 训练自监督编码器进行预训练，我们提出了一种技术来从未标记的数据中学习，从而显著减少注释样本的数量，并在语义场景分割任务中应用。实验结果表明，我们的无监督预训练在有监督任务上进行微调后可提高性能，特别是对于
PDF10 months ago
CROVIA: 跨视角适应实现从汽车角度观察无人机场景
通过提出一种跨视角适应 (CROVIA) 方法，利用几何约束和多模态双射网络，将驾驶场景的知识有效地转移到无人机视角下的城市场景的语义分割中，从而实现对大规模无标签数据的分割。
PDFa year ago
CVPRFREDOM：公平领域自适应语义场景理解方法
本研究提出了一种新的 Fairness Domain Adaptation（FREDOM）方法，通过对类分布的公平对待和条件结构约束实现了新的适应性框架，进而提高了语义场景分割模型的性能并促进了模型预测的公平性。
PDFa year ago
机器人应用的语义场景分割
本研究探讨了在各种环境（GPUs、输入大小等）下，最成功的语义场景分割模型在推断速度方面的行为，以比较研究现有的最先进的分割模型并选择最符合机器人应用要求的模型。
PDF3 years ago
CVPRVeritatem Dies Aperit- 一种基于多任务几何和语义场景理解的时域一致深度预测方法
本文提出了一种基于多任务学习的方法，能够联合进行几何和语义场景理解，包括单眼深度估计、深度补全和语义场景分割，通过一个时间上连续受限的循环网络，利用一系列复杂的跳跃连接、对抗性训练和顺序帧重复的时间限制同时产生一致的深度和语义类标签，大量实
PDF5 years ago
偶然卫星图像的语义立体视觉
通过语义场景分割来提供强大的正则化先验以解决立体对应和重建问题的不确定性，利用无意卫星图像进行成对语义立体和多视角语义三维重建的研究已经成为可能。
PDF6 years ago
一种面向域不可知的无监督对抗域自适应规范化层
我们提出了一种适用于语义场景分割领域的无监督领域自适应规范化层，通过引入 Domain Agnostic Normalization 层，我们的方法在 GTA5 和 Cityscapes 数据集上均优于现有的最先进技术，并且还在 Apoll
PDF6 years ago
室内场景实时渐进式 3D 语义分割
本文提出了一种高效而健壮的技术，实现了 3D 室内场景的即时密集语义分割和重建，该方法基于高效的超体素聚类方法和来自结构和对象线索的高阶约束的条件随机场，无需预先计算即可进行渐进式密集语义分割。通过对 SceneNN 和 ScanNet 数
PDF6 years ago
ECCV基于 RGB-D 图像学习丰富特征的物体检测和分割
本文研究使用语义丰富的图像和深度特征进行 RGB-D 图像目标检测问题。我们提出了一种新的地心嵌入深度图像的方法，该方法编码了每个像素相对于地面的高度和重力角度，以及水平视差。我们证明了这种地心嵌入方法比使用原始深度图像更适用于使用卷积神经
PDF10 years ago