Core Concepts
提案されたSNE-RoadSegV2は、異種特徴融合戦略と誤り感知機能によって、先進的な性能を実現しています。
Abstract
提案されたSNE-RoadSegV2は、異種特徴融合ブロックや効果的なデコーダー、新しい損失関数を組み合わせて、優れた性能を発揮しています。この研究では、RGB画像と法線情報から異種特徴を抽出し、効果的に融合する手法が提案されました。さらに、誤り感知機能を導入することで、モデルのトレーニング中に深い監督を提供しました。これにより、KITTI Roadベンチマークで1位を獲得しました。
Stats
SNE-RoadSegV2はKITTI Roadベンチマークで最高の性能を達成しました。
提案されたアルゴリズムはFscおよびIoUで他のSoTAアプローチよりも優れています。
Swin Transformerバックボーンは他のバックボーンよりも優れた性能を示しました。
HF2Bは他の比較対象手法よりも優れた結果を示しました。
SNE-RoadSegV2のデコーダーはUNet++およびUNet3+よりも効率的かつ正確です。