基于局部感知上下文融合与交替局部增强的超高分辨率图像分割
计算机视觉与模式识别
2022-12-07 v3
摘要
由于其现实应用，超高分辨率图像分割近年来引起了越来越多的关注。在本文中，我们改进了广泛使用的高分辨率图像分割流程，其中超高分辨率图像被划分为规则块进行局部分割，然后将局部结果合并为高分语义掩码。特别地，我们引入了一种新颖的基于局部感知上下文融合的分割模型来处理局部块，其中局部块与其各种上下文之间的相关性被联合且互补地利用，以处理具有大变化的语义区域。此外，我们提出了交替局部增强模块，该模块限制了由上下文引入的冗余信息的负面影响，从而具备修正局部感知特征以产生精细化结果的能力。此外，在综合实验中，我们证明了我们的模型在公开基准上优于其他 state-of-the-art 方法。我们发布的代码可在 https://github.com/liqiokkk/FCtL 获取。
引用
@article{arxiv.2109.02580,
title = {Ultra-high Resolution Image Segmentation via Locality-aware Context Fusion and Alternating Local Enhancement},
author = {Wenxi Liu and Qi Li and Xindai Lin and Weixiang Yang and Shengfeng He and Yuanlong Yu},
journal= {arXiv preprint arXiv:2109.02580},
year = {2022}
}
备注
Extension of ICCV 2021 "From Contexts to Locality: Ultra-high Resolution Image Segmentation via Locality-aware Contextual Correlation"