用于全景分割的二分条件随机场
计算机视觉与模式识别
2020-08-25 v2 图像与视频处理
摘要
我们利用条件随机场（CRF）模型解决全景分割问题。全景分割需为给定图像的每个像素分配一个语义标签和一个实例标签。在每个像素处，语义标签与实例标签应相容。此外，良好的全景分割应具备若干其他理想性质，如标注的空间与颜色一致性（外观相似的相邻像素应具有相同的语义标签和实例标签）。为解决该问题，我们提出一种CRF模型，称为二分CRF或BCRF，其包含语义与实例标签两类随机变量。在此表述中，于两类随机变量内部及之间定义多种能量项以鼓励一致的全景分割。我们提出一种基于均值场的高效推断算法来求解该CRF，并经验性地展示了其收敛性质。该算法完全可微，因此BCRF推断可作为可训练模块嵌入深度网络中。在实验评估中，我们从定量与定性上表明BCRF在实践中取得了优越的全景分割结果。
引用
@article{arxiv.1912.05307,
title = {Bipartite Conditional Random Fields for Panoptic Segmentation},
author = {Sadeep Jayasumana and Kanchana Ranasinghe and Mayuka Jayawardhana and Sahan Liyanaarachchi and Harsha Ranasinghe},
journal= {arXiv preprint arXiv:1912.05307},
year = {2020}
}