semantic scene understanding | BriefGPT

关键词semantic scene understanding

搜索结果 - 13

EAGLE: 跨视角理解中高效自适应基于几何的学习
通过引入新的无监督跨视图适应学习方法，我们解决了语义场景理解中不同摄像头视角的几何结构变化建模问题，并在不同跨视图适应基准上证明了我们方法在跨视图建模方面的有效性，与之前的无监督领域适应和开放词汇语义分割方法相比，实现了最先进的性能。
PDFa month ago
WildScenes：大规模自然环境下的二维和三维语义分割基准
近期在语义场景理解方面的进展主要得益于城市环境中具有语义注释的双模态（相机和激光雷达）数据集的可用性。然而，为了实现自然、非结构化环境下的语义感知应用，包括自然保护、搜救、环境监测和农业自动化，我们也需要具有语义注释的数据集。因此，我们介绍
PDF6 months ago
植物细节放大：对叶片、茎和脉络实例的细粒度分析
本研究旨在提高农业精准机器人对植物的理解，通过开发一个模型来提取包括叶子、茎和叶脉在内的细粒度表型信息，并引入了一种适应于关键点引导多段线的指标 POKS。
PDF7 months ago
MRFP：利用多分辨率特征扰动从 Sim-2-Real 学习可泛化语义分割
本研究提出了一种新颖的多分辨率特征扰动（MRFP）技术，通过对领域特定的细粒度特征进行随机扰动和对粗特征的风格进行扰动，以提升神经网络在语义分割中的鲁棒性和域不变性。实验结果表明，除了风格信息的扰动外，对细粒度特征的扰动对于学习域不变鲁棒特
PDF7 months ago
AAAI基于语言辅助的三维特征学习，用于语义场景理解
通过文本场景描述信息辅助 3D 特征学习，进而提升三维语义场景理解的效果，并构建更好的语言与三维结构的多模态任务。
PDF2 years ago
RfD-Net: 基于语义实例重建的点云场景理解
本研究介绍了 Rfd-Net，该方法通过在原始点云数据中直接检测和重构密集对象表面，摆脱了使用常规网格表示场景的限制，旨在预测可识别高对象性的形状，从而实现全局对象定位和局部形状预测，提高了物体检测的精度，比现有技术研究结果提高了 11 个
PDF4 years ago
MLRSNet：用于语义场景理解的多标签高空间分辨率遥感数据集
本研究构建了一个名为 MLRSNet 的多标签高空间分辨率遥感数据集，用于深度学习的语义场景理解任务。它包含 109,161 个样本，涵盖 46 种场景类别，是一个重要的未来研究基准，并填补了现有的多标签图像研究的空白。
PDF4 years ago
使用完全合成数据进行雾天场景的语义理解
本文提出了一种使用全新的纯合成数据进行实时雾天交通场景视觉分割的方法，并展示了其在真实数据上的适用性和与以往方法的对比优势。
PDF5 years ago
从弱监督中进行语义前景修补
本文介绍了使用一种新型的卷积神经网络（MPI）完成语义场景理解中的语义前景修复任务的方法，该方法不需要手动标注背景，并且其比之前最先进的两阶段方法提高了 3% 的 IoU，并在 Cityscapes 测试中表现得更有效率。
PDF5 years ago
ICCVSemanticKITTI: 一个用于 LiDAR 序列的语义场景理解数据集
本文提出了一个基于汽车激光雷达的大型数据集，用于推动基于激光的语义分割研究。作者提出了三项基于该数据集的基准任务，包括使用单个扫描和使用多个过去扫描的语义分割，以及需要预测未来语义场景的语义场景预测。作者提供了基线实验，并表明需要更复杂的模
PDF5 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
ECCV基于合成和真实数据的课程模型自适应用于语义模糊场景理解
提出一种名为 CMAda 的方法，它可以逐步地将语义分割模型从轻度合成雾适应到多个步骤中的浓雾，从而解决了在不良天气下对物体场景的语义识别问题，并可以将其扩展到其他恶劣条件中。
PDF6 years ago
ECCV基于合成和真实数据的模型适应性用于语义密集雾天场景理解
本文提出了一种新方法，名为 Curriculum Model Adaptation（CMAda），该方法逐步从轻度合成雾到多步中的密集真实雾中，使用合成和真实雾数据将语义分割模型适应于真实的雾天情况。四个主要贡献：1）一种通过语义输入向真实
PDF6 years ago