新框架提升汽车近红外图像分割能力

研究人员提出了一种新框架，通过解决合成数据和真实世界数据之间的域差距，来改进汽车近红外（NIR）图像的语义分割。他们的方法称为目标风格迁移（TSA），使用微调的潜在扩散模型将合成图像转换为逼真的近红外风格变体。此外，还采用基于Voronoi的风格多样化（VSD）策略来减少纹理偏差，同时保留几何信息。实验表明，分割鲁棒性得到显著改善，在外部数据上域差距减少了高达63.6%，在内部数据上减少了28.4%。 AI

影响 在挑战性光照条件下增强汽车感知系统的鲁棒性。

排序理由 该集群包含一篇详细介绍图像分割新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• DagsHub
• GitHub
• Gotit.pub
• Hugging Face
• Litmaps
• Northern Ireland
• ScienceCast
• scite Smart Citations
• TSA

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →