实体
RGB-D semantic segmentation
RGB-D semantic segmentation
PulseAugur coverage of RGB-D semantic segmentation — every cluster mentioning RGB-D semantic segmentation 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URNet架构提高了RGB-D语义分割效率
研究人员推出URNet，一种专为高效RGB-D语义分割设计的新型网络。与之前使用双编码器的 D 方法不同，这种统一网络在一个编码器内集成了多模态特征提取和跨模态融合。URNet采用重参数化策略以实现快速推理，并使用线性门控注意力模块来有效结合RGB和深度线索。此外，还开发了金字塔融合解码器以提高分割性能。在各种基准测试上的实验表明，URNet在保持高效率的同时取得了最先进的成果。
-
新的条件丢弃方法提高了RGB-D分割的鲁棒性
研究人员开发了一种名为条件丢弃（Condition Dropout, ConD）的新方法，以提高RGB-D语义分割模型的鲁棒性。这些模型通常需要RGB和深度数据，但实际的传感器故障可能导致其中一种模态缺失。ConD通过在持续训练阶段模拟缺失模态来解决这个问题，这有助于模型在两种模态都存在时更好地利用剩余数据，而不会牺牲性能。在NYU-Depth V2和SUN RGB-D数据集上的实验表明，ConD提高了鲁棒性，甚至在完整模态场景下略微…