SpiderMesh：用于RGB-T语义分割的空间感知需求引导递归网格化方法
计算机视觉与模式识别
2023-09-28 v2
摘要
对于城市场景理解中的语义分割，仅用RGB相机常常难以在复杂光照条件下捕获清晰的全局拓扑。热信号是一种信息丰富的附加通道，能够显现低质量RGB图像中模糊区域的轮廓与细粒度纹理。针对实用的RGB-T（热）分割，我们系统性地提出了一种空间感知需求引导递归网格化（SpiderMesh）框架：1）通过需求引导的目标掩码算法主动补偿光学受损区域中不足的上下文语义；2）利用递归网格化精炼多模态语义特征，以提升像素级语义分析性能。我们进一步引入了一种非对称数据增强技术M-CutOut，并启用半监督学习以充分利用实际使用中仅稀疏可用的RGB-T标签。在MFNet和PST900数据集上的大量实验表明，SpiderMesh在标准RGB-T分割基准上达到了最先进的性能。
引用
@article{arxiv.2303.08692,
title = {SpiderMesh: Spatial-aware Demand-guided Recursive Meshing for RGB-T Semantic Segmentation},
author = {Siqi Fan and Zhe Wang and Yan Wang and Jingjing Liu},
journal= {arXiv preprint arXiv:2303.08692},
year = {2023}
}