时间动态信息在驾驶场景分割中的价值
计算机视觉与模式识别
2019-04-02 v1 神经与进化计算
摘要
语义场景分割主要通过有监督和无监督方法形成单幅图像的表示来解决。动态场景中的语义分割问题近来开始随着视频目标分割方法受到关注。目前尚不清楚视觉场景的时间动态所携带的、对视频各单帧中可用信息具有互补性的额外信息有多少。有证据表明，人类视觉系统能够有效利用场景变化视觉特征的时间动态信息感知场景，而无需依赖单幅快照本身的视觉特征。我们的工作通过在一个联合学习问题中结合基于外观的表示和时间动态表示来揭示各自对成功动态场景分割的贡献，从而逐步探索机器感知是否能展现类似特性。此外，我们提供了 MIT 驾驶场景分割数据集，这是一个大规模完整驾驶场景分割数据集，对 5,000 个视频帧中的每一像素和每一帧都进行了密集标注。该数据集旨在帮助进一步探索时间动态信息对视频语义分割的价值。
引用
@article{arxiv.1904.00758,
title = {Value of Temporal Dynamics Information in Driving Scene Segmentation},
author = {Li Ding and Jack Terwilliger and Rini Sherony and Bryan Reimer and Lex Fridman},
journal= {arXiv preprint arXiv:1904.00758},
year = {2019}
}