論文の概要: RGBD20K: A Large-Scale Benchmark for RGB-D Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2609.29028v1
• Date: Thu, 24 Sep 2026 04:57:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.729318
• Title: RGBD20K: A Large-Scale Benchmark for RGB-D Semantic Segmentation
• Title（参考訳）: RGB-Dセマンティックセグメンテーションのための大規模ベンチマークRGBD20K
• Abstract要約: RGBD20Kは、より堅牢で一般的なRGB-Dセマンティックセマンティックセグメンテーションの開発を容易にする新しいデータセットである。 160の詳細なカテゴリをカバーしており、既存のRGB-Dベンチマークのカテゴリの多様性を大きく超えている。 現在のベンチマークと比較すると、RGBD20Kは20,000のRGB-Dイメージペアを提供しており、トレーニングリソースはかなり大きい。
• 参考スコア（独自算出の注目度）: 15.371305876968846
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose RGBD20K, a novel dataset for facilitating the development of more robust and general RGB-D semantic segmentation by encompassing abundant categories and high-quality annotations. RGBD20K possesses several attractive properties: (1) Expanded Semantic Space. In particular, it covers 160 fine-grained categories, largely surpassing the category diversity of existing popular RGB-D benchmarks (e.g., NYUv2 with 40 classes and SUN RGB-D with 37 classes). With such enriched semantic coverage, we expect to promote the learning of more generalizable segmentation models. (2) Larger Scale. Compared with current benchmarks, RGBD20K offers 20,000 RGB-D image pairs, providing a substantially larger training resource that benefits the development of more powerful deep models. (3) High-Fidelity Annotation. We perform rigorous re-evaluation and correction of existing labels to resolve long-standing annotation noise, resulting in a clean and reliable ground-truth foundation. Furthermore, we propose a novel score-purified fusion (SPF) method, which achieves state-of-the-art performance across all evaluated benchmarks, demonstrating the effectiveness of our approach in leveraging high-quality multimodal information for RGB-D semantic segmentation. The dataset is here: https://github.com/ShaohuaDong2021/RGBD20K/.
• Abstract（参考訳）: 本稿では,より堅牢で汎用的なRGB-D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開発を支援するための,豊富なカテゴリと高品質アノテーションを含む新しいデータセットRGBD20Kを提案する。 RGBD20Kには、(1)拡張セマンティック空間といういくつかの魅力的な性質がある。 特に160の詳細なカテゴリをカバーしており、既存のRGB-Dベンチマーク(例えば、40のクラスを持つNYUv2、37のクラスを持つSUN RGB-D)のカテゴリの多様性を大きく上回っている。 このようなリッチなセマンティックカバレッジにより、より一般化可能なセグメンテーションモデルの学習を促進することが期待されている。 (2)大規模化。 現在のベンチマークと比較すると、RGBD20Kは2万枚のRGB-Dイメージペアを提供しており、より強力なディープモデルの開発に役立つ、はるかに大きなトレーニングリソースを提供する。 (3)高忠実アノテーション 既存のラベルの厳密な再評価と修正を行い、長期間のアノテーションノイズを解消し、クリーンで信頼性の高い基盤となる。 さらに,RGB-Dセマンティックセグメンテーションに高品質なマルチモーダル情報を活用する手法の有効性を示した。 データセットはこちら。https://github.com/ShaohuaDong2021/RGBD20K/。

関連論文リスト

• HyPSAM: Hybrid Prompt-driven Segment Anything Model for RGB-Thermal Salient Object Detection [75.406055413928]
  RGB-T SODのための新しいプロンプト駆動セグメントモデル(HyPSAM)を提案する。 DFNetは動的畳み込みとマルチブランチデコーディングを使用して、適応的な相互モダリティ相互作用を促進する。 3つの公開データセットの実験により,本手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-09-23T07:32:11Z)
• RGB-D Video Object Segmentation via Enhanced Multi-store Feature Memory [34.406308400305385]
  RGB-D (RGB-D) Video Object (VOS) は、RGBのきめ細かいテクスチャ情報を奥行きの幾何学的手がかりと統合することを目的としている。 本稿では,ロバストセグメンテーションのためのマルチストア機能メモリを用いた新しいRGB-D VOSを提案する。 本稿では,最新のRGB-D VOSベンチマークにおいて,提案手法の最先端性能を示す。
  論文  参考訳（メタデータ） (2025-04-23T07:31:37Z)
• IAM: Enhancing RGB-D Instance Segmentation with New Benchmarks [4.3266254914862445]
  RGB-Dセグメンテーションは、RGBのみの手法よりもリッチなシーン理解を約束する。 インスタンスレベルのRGB-Dセグメンテーションデータセットは比較的少ない。 インスタンスレベルで区別された3つのRGB-Dインスタンスセグメンテーションベンチマークを導入する。 本稿では,RGB-Dデータ統合のための簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2025-01-03T08:03:24Z)
• DFormer: Rethinking RGBD Representation Learning for Semantic Segmentation [76.81628995237058]
  DFormerは、RGB-Dセグメンテーションタスクの転送可能な表現を学ぶための新しいフレームワークである。 ImageNet-1Kから画像深度ペアを使用してバックボーンを事前トレーニングする。 DFormerは2つのRGB-Dタスクで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-09-18T11:09:11Z)
• FEANet: Feature-Enhanced Attention Network for RGB-Thermal Real-time Semantic Segmentation [19.265576529259647]
  RGB-Tセマンティックセマンティックセグメンテーションタスクのための2段階機能拡張アテンションネットワーク(FEANet)を提案する。 具体的には、チャネルビューと空間ビューの両方からマルチレベル特徴を発掘・拡張するための機能拡張注意モジュール(FEAM)を導入する。 提案する FEAM モジュールに特化して,FEANet は空間情報を保存し,融合した RGB-T 画像から高分解能な特徴に注目する。
  論文  参考訳（メタデータ） (2021-10-18T02:43:41Z)
• RGB-D Saliency Detection via Cascaded Mutual Information Minimization [122.8879596830581]
  既存のRGB-Dサリエンシ検出モデルは、RGBと深さを効果的にマルチモーダル学習を実現するために明示的に奨励するものではない。 本稿では,RGB画像と深度データ間のマルチモーダル情報を「明示的」にモデル化するために,相互情報最小化による新しい多段階学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-15T12:31:27Z)
• Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
  深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。 既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。 本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:35:24Z)
• Synergistic saliency and depth prediction for RGB-D saliency detection [76.27406945671379]
  既存のRGB-Dサリエンシデータセットは小さく、多様なシナリオに対して過度に適合し、限定的な一般化につながる可能性がある。 そこで本研究では,RGB-Dサリエンシ検出のための半教師付きシステムを提案する。
  論文  参考訳（メタデータ） (2020-07-03T14:24:41Z)

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。