基于解耦动态空间嵌入融合网络的立体超像素分割
计算机视觉与模式识别
2022-08-18 v1
摘要
立体超像素分割旨在通过左右视图更协同、高效地将离散像素分组为感知区域。现有超像素分割算法多利用颜色和空间特征作为输入，这可能在利用立体图像对的视差信息时对空间信息施加强约束。为缓解该问题，本文提出一种具有空间信息解耦机制的立体超像素分割方法。为解耦立体视差信息与空间信息，在融合立体图像对特征前暂时移除空间信息，并提出解耦立体融合模块（DSFM）来处理立体特征对齐及遮挡问题。此外，由于空间信息对超像素分割至关重要，我们进一步设计动态空间性嵌入模块（DSEM）以重新加入空间信息，并通过 DSEM 中的动态融合（DF）机制自适应调整空间信息权重，以实现更精细的分割。综合实验结果表明，我们的方法在 KITTI2015 和 Cityscapes 数据集上可达到 SOTA 性能，并验证了在 NJU2K 数据集显著目标检测中应用的效率。源代码将在论文录用后公开。
引用
@article{arxiv.2208.08145,
title = {Stereo Superpixel Segmentation Via Decoupled Dynamic Spatial-Embedding Fusion Network},
author = {Hua Li and Junyan Liang and Ruiqi Wu and Runmin Cong and Junhui Wu and Sam Tak Wu Kwong},
journal= {arXiv preprint arXiv:2208.08145},
year = {2022}
}
备注
11 pages, 13 figures