实体
COCO-OLAC
COCO-OLAC
PulseAugur coverage of COCO-OLAC — every cluster mentioning COCO-OLAC across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的 COCO-OLAC 基准突出显示了遮挡对人工智能图像理解的影响
研究人员推出了 COCO-OLAC，这是一个旨在解决全景分割和图像理解任务中遮挡挑战的新基准数据集。该数据集源自现有的 COCO 数据集，包含三个不同感知遮挡级别的手动标注。使用 COCO-OLAC 进行的实验表明，遮挡会显著降低最先进的全景模型的性能，遮挡级别越高，结果越差。为了应对这一挑战，提出了一种新颖的对比学习方法，该方法利用遮挡标注来训练更鲁棒的模型，使其能够捕捉不同程度的遮挡，并在新基准上表现出改进的性能。
-
新方法通过视图合成和遮挡感知推进全景分割 · 跟踪 2 个来源
研究人员正在开发全景分割的新方法，这项任务涉及识别和描绘图像中的每个对象实例和语义区域。一种方法利用大型视图合成模型将全景标签传播到新视图，而无需显式 3D 重建，在 ScanNet 和 Replica 等数据集上取得了有竞争力的结果。另一种方法 PEMOLA 为基于 Transformer 的分割引入了一个遮挡感知的模块，利用 COCO-OLAC 和 Cityscapes-OLAC 等数据集的遮挡线索来提高性能，尤其是在遮挡场景中。