抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
エンコーダデコーダモデルは,RGBDセマンティックセグメンテーションで広く使われており,その多くは2ストリームネットワークを介して設計されている。一般に,RGBDからの色と幾何学的情報を同時に推論することは,意味セグメンテーションに有益である。しかし,ほとんどの既存の手法は,符号器と復号器の両方におけるマルチモーダル情報を包括的に利用できない。本論文では,RGBDセマンティックセグメンテーションのための新しい注意ベース二重教師つき復号器を提案した。符号器において,著者らは,深く多重レベル対補足情報を抽出して,融合するために,単純だが効果的な注意ベースのマルチモーダル融合モジュールを設計した。よりロバストな深い表現と豊富なマルチモーダル情報を学習するために,異なるタスクの相関と相補的な手がかりを効果的に活用するために二重分岐復号器を導入した。NYUDv2とSUN-RGBDデータセットに関する広範な実験は,著者らの方法が最先端の方法に対して優れた性能を達成することを示した。【JST・京大機械翻訳】