semantic segmentation
PulseAugur coverage of semantic segmentation — every cluster mentioning semantic segmentation across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
ShadowCast方法通过合成阴影增强遥感图像分割
研究人员开发了ShadowCast，一种通过在训练阶段合成和注入阴影来改进遥感图像语义分割的新颖方法。该方法利用现有的分割标签提取高架物体掩码，并估计阴影方向提示来投影合成阴影。与先前将阴影视为退化的方法不同，ShadowCast将其用作互补的增强策略。在Vaihingen、Potsdam和LoveDA数据集上的实验表明，ShadowCast能够持续提高各种分割架构的性能。
-
SpikeQ框架增强了用于神经形态芯片的SNN量化
研究人员开发了SpikeQ，一种用于脉冲神经网络（SNN）训练后量化的新颖框架。与专注于最小化均方误差的传统方法不同，SpikeQ通过模拟下游神经元行为和最小化脉冲误差来指导量化。这种方法对于神经形态芯片上的SNN至关重要，因为有限的内存需要低比特的突触权重和膜电位。SpikeQ在准确性和效率方面显示出显著的改进，尤其是在低比特电位方面，在图像分类、语义分割和目标检测的基准测试中优于现有方法。
-
SpaceCache 通过重用特征提高点云分割效率
研究人员开发了 SpaceCache，一种用于提高点云流语义分割效率的新颖方法，点云流对于自动驾驶和机器人技术至关重要。这种无需训练的特征缓存会重用先前帧的中间特征，允许观察区域的 token 跳过 transformer 块。SpaceCache 在 nuScenes、Waymo 和 ScanNet 等基准测试中已证明可将速度提高高达 1.65 倍，同时精度损失极小。
-
新方法提升 Vision Transformer 在图像分割方面的效率 · 跟踪 4 个来源
研究人员开发了新方法来提高 Vision Transformers (ViTs) 在图像分割任务中的效率。TEAL (Token-space Efficient Active Learning) 专注于语义分割的主动学习，通过直接在 ViT 的令牌格上操作，能够用极少的标记像素进行有效学习。对于语义分割，SCMerge (Spatial-Consistency-Aware Token Pair Merging) 通过同时考虑特征相似性…
-
新指标 'cRDG' 优化用于 AI 模型训练的合成数据
研究人员引入了一个名为受控可归约降级差距 (cRDG) 的新指标，以更好地选择用于密集预测任务中 AI 模型训练的合成数据。该指标旨在估算在有限的训练预算内，合成降级所提供的训练效用和泛化增益。所提出的方法，可归约带的策展 (CRB)，使用 cRDG 来识别合成数据的“可纠正严重性带”，从而在不改变预测模型本身的情况下，提高模型在语义分割和显著对象检测等任务上的性能。
-
新方法优化用于AI模型训练的合成数据
研究人员开发了一种名为可控可约减退化差距（cRDG）的新方法，以更好地选择用于训练密集预测模型的合成退化。该方法衡量了在退化图像上训练与干净对照探针相比所获得的改进，避免了由于干净性能下降而导致退化似乎有益的问题。cRDG方法识别出合成数据的“可纠正严重性范围”，可用于在不改变预测器本身的情况下整理训练数据集。当应用于语义分割和显著对象检测任务时，该方法在匹配预算和训练计划下证明了预测器性能的提高。
-
新的脉冲对比注意力模块提高了变换器的效率
研究人员开发了一种名为脉冲对比注意力（SCA）的新模块，以提高脉冲变换器（一种节能神经网络）的性能。通过分析这些网络的频谱特性，他们发现它们充当低通滤波器，丢失高频信息。SCA通过模仿生物视觉系统的边缘检测能力，使用对比原型和差分细化来增强高频分量，从而解决这个问题。该模块在图像分类和语义分割等各种任务中都显示出持续的改进，同时与现有方法相比，保持了较低的复杂性和卓越的效率。
-
深度学习框架从地震数据中检测数百万次长须鲸叫声
研究人员开发了一个深度学习框架，用于检测海底地震仪记录中的长须鲸叫声。该方法在水听器数据上进行训练，无需重新训练即可成功推广到不同地区地震仪数据。该系统应用于超过378,000小时的记录，以高精度识别了630万次叫声，创建了迄今为止最大的长须鲸叫声目录，并能够对季节性变化和盆地尺度活动模式进行生态分析。
-
新基准和调查推动遥感图像分割发展
研究人员推出了VPRef，这是一个用于指代遥感图像分割的新基准测试，旨在解决由视觉和文本领域漂移引起的性能下降问题。该基准测试包含超过46,000个语言-图像-标注三元组，并配备了一个基于Segment Anything Model (SAM3) 和低秩适配 (LoRA) 的参数高效适配框架。该框架采用伪标签驱动的自训练和随机多粒度文本提示混合技术，在仅修改模型一小部分参数的情况下提高了分割精度。另一项调查回顾了遥感图像语义分割中的深…
-
FoRIS框架推进免训练的上下文内分割
研究人员推出了一种新颖的免训练上下文内分割框架FoRIS。该方法将分割掩码从粗略的初始预测渐进式地细化为精确的前景结构。FoRIS采用三个阶段：前景净化、前景定位和前景巩固，以提高分割任务的准确性和完整性。据报道，该框架在少样本设置下取得了最先进的成果，比现有方法高出4.5个mIoU点。
-
新的HCFormer架构使用双曲聚类实现可解释的视觉模型
研究人员开发了HCFormer，这是一种新的视觉骨干架构，它利用双曲层次聚类进行视觉表示学习。这种名为ClusterMixer的方法，为视觉Transformer等模型中发现的传统token mixer提供了一种更具可解释性的替代方案。通过在双曲空间中进行聚类以捕捉层次关系，HCFormer在各种计算机视觉任务（包括图像分类和分割）中表现出稳健的性能。
-
新研究解决了语义分割中的域泛化和校准问题
两篇新研究论文解决了语义分割中的挑战，语义分割是一项计算机视觉任务，涉及对图像中的每个像素进行分类。第一篇论文LASA提出了一个框架，通过使用语言和源特征来指导风格迁移和重新校准对象查询，以提高跨不同域的泛化能力。第二篇论文DA-Cal专注于增强语义分割模型的校准，确保预测置信度与准确性一致，这对于安全关键型应用至关重要。DA-Cal引入了一个元温度网络和双层优化来改进软伪标签和跨域校准。
-
FaithIR框架增强红外图像超分辨率以提升机器感知能力
研究人员推出了一种新颖的FaithIR框架，旨在改进红外图像超分辨率（IISR）以增强机器感知能力。与以往常引入人工纹理或扭曲热结构的方法不同，FaithIR专注于保留真实的热和结构信息。该框架采用双分支方法，一个分支捕捉全局信息，另一个分支在结构完整性指导下进行局部重建。实验表明，FaithIR不仅实现了卓越的重建保真度，还显著提高了目标检测和语义分割等下游任务的性能，凸显了忠实保留结构比单纯追求感知锐度更重要。
-
语义分割：计算机视觉中的像素级理解
语义分割是一种计算机视觉技术，它为图像中的每个像素分配一个特定的类别标签。这个过程使模型能够创建详细的地图，在像素级别区分道路、人或缺陷等元素，这对于自动驾驶和医学成像等应用至关重要。与分类或对象检测不同，语义分割通过分析每个单独的像素来提供更精细级别的理解。
-
新的快速特征场 ($ ext{F}^3$) 表示推动了事件驱动相机数据处理的进步
研究人员开发了一种新颖的事件驱动相机数据表示方法，称为快速特征场 ($ ext{F}^3$)。该方法学习从过去的事件预测未来的事件，有效地保留了场景结构和运动信息。$ ext{F}^3$ 设计高效，即使在高清分辨率下也能实现高帧率，并在各种机器人平台和光照条件下的光流估计、语义分割和单目度量深度估计等任务中展现出最先进的性能。
-
新方法增强了对语义分割模型的对抗性攻击
研究人员开发了IGME，一种为语义分割模型生成可迁移对抗性扰动的有效方法。该方法使用单个源模型来组合攻击组件，共享梯度计算以降低成本。IGME采用集成梯度风格的路径平均方向来稳定更新，并在CNN和Transformer模型上展示了与现有方法相比具有竞争力的可迁移性和运行时效率。
-
新框架LC-SLab通过基于对象的深度学习增强土地覆盖制图
研究人员开发了LC-SLab，一个新颖的深度学习框架，用于利用卫星图像和稀疏实地标签进行大规模土地覆盖分类。这种基于对象的方法将标签分配给连贯的区域而非单个像素，旨在生成空间上更连贯的地图。该框架通过图神经网络支持输入级聚合，并通过后处理语义分割结果实现输出级聚合，并整合预训练网络的特征以提高在较小数据集上的性能。使用Sentinel-2图像和LUCAS标签进行的评估表明，LC-SLab配置可以匹配或超越像素级模型的准确性，同时显著减…
-
多目标跟踪：赋予AI系统超越目标检测的记忆能力
多目标跟踪（MOT）是目标检测的一项进步，它为视频流中识别出的对象提供了身份、记忆和历史背景。这对于自动驾驶和零售分析等应用至关重要，在这些应用中，理解场景如何随时间演变至关重要。与将每一帧独立处理并存在闪烁和对象“遗忘”问题的纯目标检测不同，MOT通过赋予计算机记忆能力，实现了更智能的系统。
-
新的H.264自适应量化方法提高了视频编码效率
研究人员开发了一种新的H.264视频编码自适应量化控制方法，解决了为感知质量或机器视觉任务等特定目标优化编解码器参数的挑战。他们的方法利用了一个可微代理，该代理近似H.264的率失真行为，从而实现基于梯度的优化。这种基于代理的自适应量化框架在率-任务权衡方面显示出改进，在语义分割和MS-SSIM方面实现了显著的BD率降低。
-
新研究推动扩散模型在图像编辑、数据增强和遗忘方面的进展
研究人员正在探索扩散模型的先进技术，重点是改进图像编辑、数据增强和遗忘能力。新方法旨在通过改进ODE求解器和矢量场平滑来提高图像编辑的稳定性和保真度。对于数据增强，正在开发不确定性指导策略，通过关注信息区域来改进语义分割模型。此外，扩散模型遗忘方面的进展正在取得，研究调查了选择性遗忘和使用稀疏自编码器将概念检测与干预分离，旨在获得更清晰的结果并更好地保留模型质量。