RFENet：面向玻璃物体分割的互逆特征演化方法
计算机视觉与模式识别
2023-07-13 v1
摘要
类玻璃物体在日常生活中广泛存在，但对大多数现有方法而言仍难以分割。其透明特性使其难以与背景区分，而细微的分离边界进一步阻碍了对精确轮廓的获取。本文通过揭示语义学习与边界学习之间关键的协同演化需求，提出了一种选择性互演化（SME）模块，以实现二者间的互逆特征学习。进而为利用全局形状上下文，我们提出结构注意力精炼（SAR）模块，对边界周围那些模糊点进行细粒度特征精炼。最后，为进一步利用多尺度表示，我们将上述两个模块集成到级联结构中，并引入互逆特征演化网络（RFENet）以实现有效的类玻璃物体分割。大量实验表明，我们的RFENet在三个流行的公开数据集上取得了最先进的性能。
引用
@article{arxiv.2307.06099,
title = {RFENet: Towards Reciprocal Feature Evolution for Glass Segmentation},
author = {Ke Fan and Changan Wang and Yabiao Wang and Chengjie Wang and Ran Yi and Lizhuang Ma},
journal= {arXiv preprint arXiv:2307.06099},
year = {2023}
}
备注
Accepted by 2023 International Joint Conference on Artificial Intelligence (IJCAI2023)