향상된 동적 스네이크 컨볼루션과 SegFormer를 통합한 균열 분할을 위한 듀얼 브랜치 네트워크, DSCformer
DSCformer는 향상된 동적 스네이크 컨볼루션(DSConv)과 SegFormer 아키텍처를 결합하여 복잡한 배경에서도 정확한 균열 분할을 가능하게 하는 새로운 하이브리드 모델입니다.
딥러닝을 이용한 콘크리트 구조물의 다중 시간 균열 분할
다중 시간 데이터를 활용한 균열 분할 모델이 기존의 단일 시간 데이터 기반 모델보다 성능이 우수하며, 이는 콘크리트 구조물의 균열 감지 및 장기 모니터링에 효과적인 해결 방안이 될 수 있음을 시사한다.
구조물 균열 분할을 위한 토폴로지 인식 Mamba 모델
VMambaV2 기반 균열 분할 모델인 CrackMamba는 균열의 특징을 효과적으로 추출하기 위해 Snake Scan이라는 새로운 순서 정렬 방식을 사용하여 균열 분할 정확도를 향상시킵니다.
잡음 레이블을 고려한 분포 인식 균열 분할
본 논문에서는 잡음 레이블이 포함된 소규모 데이터셋에서 도메인 특정 의미 지식을 활용하여 SAM-Adapter의 균열 분할 성능을 향상시키는 방법을 제안합니다.
CrackSegDiff: 확산 확률 모델 기반 멀티모달 균열 분할
본 논문에서는 멀티모달 데이터 (그레이스케일 및 깊이 이미지)를 활용하여 도로 균열 분할 작업을 수행하는 새로운 딥 러닝 프레임워크인 CrackSegDiff를 제안합니다. CrackSegDiff는 기존 DPM 기반 방법의 한계를 해결하기 위해 CFM 및 SFCM이라는 두 가지 주요 모듈을 통합하여 설계되었습니다. CFM은 그레이스케일 및 범위 이미지에서 공간 등록 기능을 효과적으로 통합하여 데이터 일관성을 향상시키는 반면, SFCM은 표준 처리에서 손실되는 경우가 많은 필수 저수준 기능을 복원하여 얕은 균열 분할을 개선합니다. 실험 결과는 복잡한 균열 분할 작업을 능숙하게 관리하기 위해 CrackSegDiff의 향상된 기능을 입증하여 노이즈 및 배경 변화에 대한 상당한 견고성을 보여줍니다.
경량 로컬 패턴 인식 및 장거리 종속성의 계단식 융합을 통한 구조적 균열 분할
이 논문에서는 제한된 계산 자원으로 고품질 균열 분할 맵을 생성하는 계단식 융합 균열 분할 네트워크(CrackSCF)를 제안합니다. CrackSCF는 균열의 로컬 패턴과 픽셀의 장거리 종속성을 효과적으로 캡처하는 계단식 융합 모듈과 네트워크의 모든 컨볼루션 작업을 대체하여 필요한 계산 및 매개변수를 크게 줄이는 경량 컨볼루션 블록을 활용합니다.
대규모 비전 기반 모델을 활용한 토목 인프라 균열 분할
대규모 비전 기반 모델을 활용하여 토목 인프라의 균열을 효과적으로 분할할 수 있다.
© 2024 by Linnk AI