为全景分割学习实例遮挡
计算机视觉与模式识别
2020-04-09 v4 图像与视频处理
摘要
全景分割需要在单一输出中包含“事物”（可数物体实例）和“ stuff ”（不可数且无定形区域）的分割。一种常见方法是将实例分割（针对“事物”）和语义分割（针对“ stuff ”）融合为不重叠的分割布局，并解决重叠问题。然而，具有检测置信度的实例排序与自然遮挡关系的相关性不佳。为解决此问题，我们提出了一个分支，其任务是建模两个实例掩码应如何作为二元关系相互重叠。我们的方法命名为 OCFusion，在实例融合过程中轻量但特别有效。OCFusion 使用从现有数据集标注中自动导出的真实关系进行训练。我们在 COCO 上获得了最先进的结果，并在 Cityscapes 全景分割基准上展示了有竞争力的结果。
引用
@article{arxiv.1906.05896,
title = {Learning Instance Occlusion for Panoptic Segmentation},
author = {Justin Lazarow and Kwonjoon Lee and Kunyu Shi and Zhuowen Tu},
journal= {arXiv preprint arXiv:1906.05896},
year = {2020}
}
备注
Accepted to CVPR 2020