論文の概要: Semantic SuperPoint: A Deep Semantic Descriptor

• arxiv url: http://arxiv.org/abs/2211.01098v1
• Date: Wed, 2 Nov 2022 13:17:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 13:39:01.795454
• Title: Semantic SuperPoint: A Deep Semantic Descriptor
• Title（参考訳）: Semantic SuperPoint: 深いセマンティック記述子
• Authors: Gabriel S. Gama, N\'icolas S. Rosa and Valdir Grassi Jr
• Abstract要約: 共有エンコーダアーキテクチャにセマンティックセグメンテーションデコーダを追加することで、記述子デコーダがセマンティック情報を学ぶのに役立つことを提案する。 提案したモデルは,HPatchesデータセット上の検出およびマッチング指標に基づいて評価される。
• 参考スコア（独自算出の注目度）: 2.1362576987263955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Several SLAM methods benefit from the use of semantic information. Most integrate photometric methods with high-level semantics such as object detection and semantic segmentation. We propose that adding a semantic segmentation decoder in a shared encoder architecture would help the descriptor decoder learn semantic information, improving the feature extractor. This would be a more robust approach than only using high-level semantic information since it would be intrinsically learned in the descriptor and would not depend on the final quality of the semantic prediction. To add this information, we take advantage of multi-task learning methods to improve accuracy and balance the performance of each task. The proposed models are evaluated according to detection and matching metrics on the HPatches dataset. The results show that the Semantic SuperPoint model performs better than the baseline one.
• Abstract（参考訳）: いくつかのSLAMメソッドは意味情報の利用の恩恵を受ける。 たいていは、測光法とオブジェクト検出やセマンティクスセグメンテーションのような高レベルセマンティクスを統合する。 共有エンコーダアーキテクチャにセマンティクスセグメンテーションデコーダを追加することで、ディスクリプタデコーダがセマンティクス情報を学習し、特徴抽出器を改善することを提案する。 これは、ディスクリプタで本質的に学習され、セマンティック予測の最終品質に依存しないため、高レベルの意味情報のみを使用するよりも、より堅牢なアプローチである。 この情報を加えるために,マルチタスク学習手法を活用し,各タスクの精度の向上とパフォーマンスのバランスをとる。 提案したモデルは,HPatchesデータセット上の検出およびマッチング指標に基づいて評価される。 その結果,Semantic SuperPointモデルはベースラインモデルよりも優れた性能を示した。

関連論文リスト

• Semantic-aware Representation Learning for Homography Estimation [28.70450397793246]
  本研究では,検出不要な特徴マッチング手法であるSRMatcherを提案する。 マッチングペアにおける意味的不整合に起因するエラーを減らすことで、提案したSRMatcherはより正確で現実的な結果をもたらすことができる。
  論文  参考訳（メタデータ） (2024-07-18T08:36:28Z)
• FM-Fusion: Instance-aware Semantic Mapping Boosted by Vision-Language Foundation Models [24.77953131753715]
  視覚言語基礎モデルの開発は、データ分散における強力なゼロショット転送可能性を示している。 本稿では,開集合ラベル測定から近接集合意味クラスを予測するための確率的ラベル融合法を提案する。 我々は,すべてのモジュールを統合意味マッピングシステムに統合し,RGB-D入力のシーケンスを読み取って,インスタンス認識意味マップを漸進的に再構築する。
  論文  参考訳（メタデータ） (2024-02-07T03:19:02Z)
• Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
  セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。 提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
  論文  参考訳（メタデータ） (2023-09-11T14:32:04Z)
• Learning Context-aware Classifier for Semantic Segmentation [88.88198210948426]
  本稿では,文脈認識型分類器の学習を通じて文脈ヒントを利用する。 本手法はモデルに依存しないため,ジェネリックセグメンテーションモデルにも容易に適用できる。 無視できる追加パラメータと+2%の推論時間だけで、小型モデルと大型モデルの両方で十分な性能向上が達成されている。
  論文  参考訳（メタデータ） (2023-03-21T07:00:35Z)
• ALSO: Automotive Lidar Self-supervision by Occupancy estimation [70.70557577874155]
  本稿では,ポイントクラウド上で動作している深層知覚モデルのバックボーンを事前学習するための自己教師型手法を提案する。 中心となる考え方は、3Dポイントがサンプリングされる表面の再構成であるプリテキストタスクでモデルをトレーニングすることである。 直感的には、もしネットワークがわずかな入力ポイントのみを考慮し、シーン表面を再構築できるなら、おそらく意味情報の断片をキャプチャする。
  論文  参考訳（メタデータ） (2022-12-12T13:10:19Z)
• SARNet: Semantic Augmented Registration of Large-Scale Urban Point Clouds [19.41446935340719]
  本研究では,都市クラウドのためのセマンティック登録ネットワークであるSARNetを提案する。 提案手法は,登録精度の向上を支援するため,セマンティックな特徴をフル活用する。 提案するSARNetを,大都市景観の現実データを用いて広範に評価する。
  論文  参考訳（メタデータ） (2022-06-27T08:49:11Z)
• TransFGU: A Top-down Approach to Fine-Grained Unsupervised Semantic Segmentation [44.75300205362518]
  教師なしセマンティックセグメンテーションは、手動のアノテーションを使わずに、低レベルの視覚的特徴の高レベルセマンティック表現を得ることを目的としている。 本稿では, 非常に複雑なシナリオにおける細粒度セグメンテーションのための, トップダウンの教師なしセグメンテーションフレームワークを提案する。 我々の結果は、トップダウンの教師なしセグメンテーションが、オブジェクト中心とシーン中心の両方のデータセットに対して堅牢であることを示している。
  論文  参考訳（メタデータ） (2021-12-02T18:59:03Z)
• Three Ways to Improve Semantic Segmentation with Self-Supervised Depth Estimation [90.87105131054419]
  ラベルなし画像列からの自己教師付き単眼深度推定により強化された半教師付きセマンティックセマンティックセマンティックセマンティクスのフレームワークを提案する。 提案されたモデルをCityscapesデータセット上で検証する。
  論文  参考訳（メタデータ） (2020-12-19T21:18:03Z)
• A Holistically-Guided Decoder for Deep Representation Learning with Applications to Semantic Segmentation and Object Detection [74.88284082187462]
  一般的な戦略の1つは、バックボーンネットワークに拡張畳み込みを採用し、高解像度のフィーチャーマップを抽出することです。 本稿では,高分解能なセマンティクスリッチな特徴マップを得るために紹介される,新たなホリスティック誘導デコーダを提案する。
  論文  参考訳（メタデータ） (2020-12-18T10:51:49Z)
• Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
  本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。 より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。 5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
  論文  参考訳（メタデータ） (2020-07-17T15:41:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。