关注并星标
从此不迷路
计算机视觉研究院
公众号ID|ComputerVisionGzq
学习群|扫码在主页获取加入方式
论文链接:https://arxiv.org/abs/2108.05722
代码链接:https://github.com/fengpanhe/MT-ORL
计算机视觉研究院专栏
作者:Edison_G
到底是谁挡住了谁?遮挡边界又在哪里?对于人类来说,物体之间的遮挡关系非常容易判断,但对于 AI 来说,这个任务就没那么简单了。转自于《机器之心》
传统方法存在哪些问题?
新方法有何创新之处?
遮挡共享和路径分离网络
本文提出的遮挡共享和路径分离网络(OPNet)如下图所示:
遮挡方向的正交遮挡表示法
下图展示了四种基于边界的遮挡方向表示示意图。
实验结果
作者分别在 PIOD 和 BSDS ownership 两个数据集上评估了模型和方法的有效性。
下图是预测结果的可视化比较。如图,作者的方案在边界和遮挡关系的预测上都有明显的提升。
总结
© THE END
转载请联系本公众号获得授权
计算机视觉研究院学习群等你加入!
计算机视觉研究院主要涉及深度学习领域,主要致力于人脸检测、人脸识别,多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架,我们这次改革不同点就是,我们要着重”研究“。之后我们会针对相应领域分享实践过程,让大家真正体会摆脱理论的真实场景,培养爱动手编程爱动脑思考的习惯!
扫码关注
计算机视觉研究院
公众号ID|ComputerVisionGzq
学习群|扫码在主页获取加入方式
往期推荐
🔗