GLPNet：用于RGB-D语义分割的全局-局部传播网络
计算机视觉与模式识别
2021-01-27 v1
摘要
在RGB-D语义分割任务中，深度信息通过为彩色图像提供额外的几何信息而发挥重要作用。大多数现有方法采用多阶段融合策略将深度特征传播到RGB分支。然而，在极深阶段，以简单逐元素相加方式的传播无法充分利用深度信息。我们提出全局-局部传播网络（GLPNet）来解决该问题。具体而言，引入局部上下文融合模块（L-CFM）在逐元素融合前动态对齐两种模态，并引入全局上下文融合模块（G-CFM）通过联合建模多模态全局上下文特征将深度信息传播到RGB分支。大量实验证明了所提融合模块的有效性和互补性。将两个融合模块嵌入双流编码器-解码器结构后，我们的GLPNet在两个具有挑战性的室内场景分割数据集（即NYU-Depth v2和SUN-RGBD数据集）上取得了新的最先进性能。
引用
@article{arxiv.2101.10801,
title = {Global-Local Propagation Network for RGB-D Semantic Segmentation},
author = {Sihan Chen and Xinxin Zhu and Wei Liu and Xingjian He and Jing Liu},
journal= {arXiv preprint arXiv:2101.10801},
year = {2021}
}