semantic segmentation | BriefGPT

关键词semantic segmentation

搜索结果 - 1335

每个测试图像都应有特定提示：2D 医学图像分割的持续测试时间适应
该论文提出了一种基于视觉提示的测试时适应方法，通过冻结预训练模型并为每个测试图像训练特定的提示来解决医学图像中的分布偏移问题，并在两个医学图像分割基准任务上表现出优越性。
PDF2 days ago
语言引导的领域通用分割的简单方法
通过利用语言作为随机化的源，在语义分割网络中引入简单的框架来实现泛化。通过最小化微调、语言驱动的局部样式增强和在训练过程中混合源和增强样式的随机化三个关键要素，我们进行了大量实验，在各种泛化基准测试中取得了最先进的结果。
PDF3 days ago
球面截锥稀疏卷积网络用于 LiDAR 点云语义分割
通过引入球体金字塔结构和基于哈希的表示，本文提出了一种新颖的 Spherical Frustum sparse Convolution Network (SFCNet) 方法，实现了 LiDAR 点云的语义分割，避免了量化信息损失。
PDF3 days ago
生成式数据增强提升基于草稿的语义分割
利用生成模型和数据增强方法改进半监督语义分割的性能，生成高质量训练数据，缩小与完全监督分割方法之间的差距。
PDF4 days ago
突破癌症视界：使用深度学习进行多机构验证的乳腺 MRI 对象定位和 3D 语义分割
通过利用组织间的相互作用，我们提出了一种方法，通过标准护理的动态增强磁共振成像，准确地分割乳房中的所有主要组织类型，包括：胸壁、皮肤、脂肪组织、纤维腺组织、血管和肿瘤；我们的方法在肿瘤分割上取得了卓越的 Dice 指数，同时在其他研究的组织
PDF5 days ago
对每个非分布对象进行分割
提出一种名为 S2M 的方法，将异常得分转换为分割掩码，用于语义分割中的 OoD 检测，通过将异常得分转化为提示来消除阈值选择的需求，实验证明 S2M 在各种基准测试中的 IoU 平均值上超过了现有技术约 10％，F1 平均值上超过了现有技
PDF5 days ago
一个基于 2.5D ResUnet 模型的肾脏和肿块分割集成
研究中采用 2.5D ResUnet 构建一个高效的粗到细语义分割框架，对 CT 扫描中的肾脏、肾脏肿瘤和肾囊肿进行自动分割。实验结果表明，肾脏、肿瘤和囊肿的 Dice 系数分别为 0.954、0.792、0.691，表面 Dice 系数分
PDF5 days ago
基于不确定性的 MRI 分割的人工智能
通过结合贝叶斯神经网络和注意机制，我们提出了一种不确定性感知的 MRI 数据分割模型 BA U-Net，用于高精度且可解释的病理自动筛查的关键首步，我们在公开可用的 BraTS 2020 数据集上使用 F1 分数和交并比（IoU）作为评价指
PDF8 days ago
IDD-AW：用于在无结构交通和恶劣天气中进行安全稳健分割的基准
大规模部署的全自动驾驶车辆需要非常高的稳健性来应对复杂的交通和恶劣天气条件，并且应该避免不安全的错误预测。本研究介绍了 IDD-AW 数据集，它提供了 5000 对高质量图像和像素级注释，这些图像是在雨天、雾天、低光和雪天等复杂驾驶条件下捕
PDF8 days ago
OneFormer3D：统一点云分割的一种 Transformer
本文提出了一种统一、简单、有效的模型 OneFormer3D，利用可学习的卷积核同时处理实例分割和语义分割，通过输入统一的实例和语义查询来训练，并在 ScanNet 测试排行榜中取得了第一名和新的最佳性能，同时在 ScanNet、ScanN
PDF8 days ago
基于主动学习的领域自适应语义分割的类别平衡动态获取
领域自适应主动学习通过使用不确定性和多样性两个准则与像素级获取策略相结合，有效提高神经网络在标注效率训练中的性能。然而，目前这种方法出现了类别不平衡问题，导致在更大规模的主动学习预算下性能下降。为缓解这一问题，本文提出了一种新型的主动学习方
PDF9 days ago
语言引导的少样本语义分割
通过语言信息进行语言指导的少样本语义分割，使用视觉 - 语言预训练模型和遮罩优化来生成高质量伪语义遮罩，引入分布式原型监督方法和互补相关匹配模块来指导模型挖掘支持和查询图像的精确语义关系。在两个基准数据集上的实验表明，我们的方法为语言指导的
PDF9 days ago
FuseNet：自监督的医学图像分割双通路网络
FuseNet 是一种双流框架，用于自我监督的语义分割，通过利用原始图像和增强图像之间的共享语义依赖来创建聚类空间，从而消除了手动标注的需求。它还结合了交叉模态融合技术和边缘细化损失函数，通过增强空间一致性和边缘对齐来提高语义分割的效果。
PDF10 days ago
Mobile-Seed：移动机器人的联合语义分割和边界检测
Mobile-Seed 是一个轻量级的双任务框架，旨在同时改进语义分割性能和准确定位物体边界。通过引入两个编码路径、主动融合解码器和双任务正则化方法，Mobile-Seed 能够动态适应语义和边界信息的融合，并通过正则化损失减轻双任务学习中
PDF11 days ago
GP-NeRF：通用感知 NeRF 用于上下文感知 3D 场景理解
提出了一种通用感知 NeRF（GP-NeRF）模型，通过引入 transformers 和自我蒸馏机制，实现了语义场和几何场的联合渲染，以促进具有上下文感知的三维场景理解。在评估中，使用合成和真实世界数据集进行了两个感知任务（即语义和实例分
PDF12 days ago
从不完整的点标记和有限的背景信息预测城市树木覆盖
通过使用有限数据集和深度学习，在高分辨率航拍图像中绘制城市树木的方法被提出，结合街道边缘的准确点标签和开放地理数据库的众包注释，使用全卷积神经网络进行语义分割。
PDF12 days ago
通过多模态交互和池化注意力优化 RGB-D 语义分割
提出了一种利用 RGB 和深度模态之间互动协同作用的多模态交互与池化注意网络（MIPANet）来优化室内场景中 RGB-D 语义分割的方法，通过多模态交互与融合模块 (MIM) 和池化注意模块 (PAM) 的引入，有效改善了 RGB-D 语
PDF13 days ago
融合非专用感知模型的室内场景标记
我们提出了一种在室内环境中获取语义分割和目标实例检测伪标签的成本效益标注方法，旨在为各种下游任务训练轻量级模型提供便利，通过多视图标注融合阶段，识别和纠正单视图不一致现象，并通过与人工注释的比较和目标导航等下游任务的效果评估，证明了该方法的
PDF15 days ago
自训练全景分割
通过自学习方法在合成到真实的领域适应问题设置中，开发了一个基于嵌入的自学习全景分割框架。
PDF15 days ago
手术视频分割的相关感知主动学习
该研究提出了一种基于对比学习的新型主动学习策略 COALSamp，通过将图像投影到经过精调的潜空间，并从视频帧的局部群集中选择一定数量的代表性图像，来改善手术视频分割的模型性能。
PDF17 days ago