超高清分辨率与超丰富上下文分割：一种新基准
计算机视觉与模式识别
2023-05-19 v1
摘要
随着对超高清分辨率（UHR）分割方法关注的增加与快速发展，亟需一个覆盖广泛场景、带有完整细粒度稠密标注的大规模基准以推动该领域发展。为此，我们引入了 URUR 数据集，意为具有超丰富上下文的超高清分辨率数据集。顾名思义，URUR 包含大量分辨率足够高的图像（3,008 张大小为 5,120x5,120 的图像）、广泛的复杂场景（来自 63 个城市）、足够丰富的上下文（含 8 类共 1 百万实例）以及细粒度标注（约 800 亿人工标注像素），远优于现有所有 UHR 数据集，包括 DeepGlobe、Inria Aerial、UDD 等。此外，我们还提出 WSDNet，一种更高效且有效的、尤其面向超丰富上下文 UHR 分割的框架。具体而言，多级离散小波变换（DWT）被自然集成以缓解计算负担同时保留更多空间细节，并配合小波平滑损失（WSL）以平滑约束重建原始结构化上下文与纹理。在多个 UHR 数据集上的实验证明了其最先进的性能。数据集可在 https://github.com/jankyee/URUR 获取。
引用
@article{arxiv.2305.10899,
title = {Ultra-High Resolution Segmentation with Ultra-Rich Context: A Novel Benchmark},
author = {Deyi Ji and Feng Zhao and Hongtao Lu and Mingyuan Tao and Jieping Ye},
journal= {arXiv preprint arXiv:2305.10899},
year = {2023}
}
备注
Accepted to CVPR 2023