学习融合事物与背景的统一全景分割方法
计算机视觉与模式识别
2019-05-20 v2
摘要
我们提出了一种用于全景分割的端到端学习方法，该任务统一了实例（事物）分割与语义（背景）分割。我们的模型 TASCNet 利用共享骨干网络的特征图，在单次前向传播中同时预测事物与背景分割结果。我们通过一个全局事物与背景二值掩码显式约束这两个输出分布，以强制跨任务一致性。我们所提出的统一网络在全景分割的多个基准以及独立的语义和实例分割任务上均与当前最优方法具有竞争力。
引用
@article{arxiv.1812.01192,
title = {Learning to Fuse Things and Stuff},
author = {Jie Li and Allan Raventos and Arjun Bhargava and Takaaki Tagawa and Adrien Gaidon},
journal= {arXiv preprint arXiv:1812.01192},
year = {2019}
}