论文地址： http://arxiv.org/pdf/2012.05258v1.pdf
代码： 公众号回复：09110402425
来源： 约翰霍普金斯大学，谷歌
论文名称：ViP-DeepLab Learning Visual Perception with Depth-aware Video Panoptic Segmentation
原文作者：Siyuan Qiao
内容提要
在本文中，我们提出了一个统一的模型ViP-DeepLab，试图解决长期存在且具有挑战性的逆向投影问题，我们将其建模为从透视图像序列恢复点云，同时为每个点提供实例级语义解释。解决这个问题需要为视觉模型每个3D点预测空间位置，语义类，和时间一致的实例标签。ViP-DeepLab通过联合进行单目深度估计和视频全景分割来实现上述问题。我们将这一联合任务命名为深度感知视频全景分割，并提出了一个新的评价指标和两个衍生的数据集，方法和数据集都是开源的。在单个子任务上，ViP-DeepLab也取得了最先进的结果，在Cityscapes-VPS上比以前的方法VPQ高出5.1%，在KITTI单目深度估计基准上排名第一，在KITTI MOTS行人上排名第一。
主要框架及实验结果
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。
