SemSegDepth：一种语义分割与深度补全联合模型
计算机视觉与模式识别
2024-03-07 v2 人工智能
机器学习
摘要
整体场景理解对自主机器的性能至关重要。本文提出一种端到端新模型，联合执行语义分割与深度补全。近期绝大多数方法将语义分割与深度补全作为独立任务开发。我们的方法以 RGB 与稀疏深度作为模型输入，输出稠密深度图及相应的语义分割图像。模型由特征提取器、深度补全分支、语义分割分支以及一个进一步统一处理语义与深度信息的联合分支组成。在 Virtual KITTI 2 数据集上的实验提供进一步证据，表明在多任务网络中结合语义分割与深度补全两项任务可有效提升各自性能。代码见 https://github.com/juanb09111/semantic depth。
引用
@article{arxiv.2209.00381,
title = {SemSegDepth: A Combined Model for Semantic Segmentation and Depth Completion},
author = {Juan Pablo Lagos and Esa Rahtu},
journal= {arXiv preprint arXiv:2209.00381},
year = {2024}
}