パノプティック,インスタンスおよび意味関係:パノプティックセグメンテーションを強化するための関係コンテキストエンコーダ【JST・京大機械翻訳】

Borse Shubhankar; Park Hyojin; Cai Hong; Das Debasmit; Garrepalli Risheek; Porikli Fatih

プレプリント

J-GLOBAL ID：202202216156466627 整理番号：22P0329792

パノプティック,インスタンスおよび意味関係:パノプティックセグメンテーションを強化するための関係コンテキストエンコーダ【JST・京大機械翻訳】

Panoptic, Instance and Semantic Relations: A Relational Context Encoder to Enhance Panoptic Segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月11日プレプリントサーバーでの情報更新日： 2022年04月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,光セグメンテーションのための意味とインスタンスコンテキストの両方を統合する新しいフレームワークを提案した。既存の研究では,共有バックボーンを用いて,両物(車両のような計算可能クラス)とスタッフ(道路のような計算可能クラス)の両方に対する特徴を抽出することが一般的である。しかし,これは,それらの間の豊富な関係を捉えるのに失敗し,視覚理解とセグメンテーション性能を強化するのに利用できる。この短所に取り組むために,そのようなコンテキストを利用するために,新しいパノ光学,インスタンス,およびセマンティック関係(PIR)モジュールを提案する。最初に,意味的クラスと予測インスタンスの鍵となる特徴を要約するために,パン光学符号化を生成する。次に,パン光学関係注意(PRA)モジュールを,バックボーンから符号化と大域的特徴マップに適用した。それは,1)意味的クラスとインスタンス間の関係を捉える特徴マップと,2)これらのパノ光学カテゴリーと空間特徴間の関係を創出する。また,PIRは,より重要なインスタンスに焦点を合わせるように自動的に学習し,それを関係注意モジュールで使われるインスタンスの数にロバストにする。さらに,PIRは任意の既存のパン光学セグメンテーションアーキテクチャに適用できる一般的なモジュールである。都市景観,COCO,およびADE20Kのような汎光セグメンテーションベンチマークに関する広範な評価を通して,著者らは,PIRが既存のアプローチに対してかなりの改良を達成することを示した。【JST・京大機械翻訳】

, , , , , ,
, 【Automatic Indexing@JST】

パターン認識 , 人工知能

, , ,

前のページに戻る