SeeCo: Ricalibrazione in Tempo Reale per la Segmentazione Semantica Open-Vocabulary in Immagini di Telerilevamento
I ricercatori propongono Seeking Consensus (SeeCo), un framework plug-and-play per la segmentazione semantica open-vocabulary in immagini di telerilevamento. I metodi esistenti utilizzano inferenza statica, causando ambiguità semantica e attivazione incompleta del primo piano. SeeCo ricalibra i modelli in tempo reale tramite apprendimento del consenso geometrico (osservazioni multiview) e apprendimento del consenso semantico (calibrazione della descrizione testuale). Il framework non richiede addestramento e mira a migliorare le prestazioni su diverse categorie di copertura del suolo.
Fatti principali
- SeeCo è un framework plug-and-play per la segmentazione semantica open-vocabulary in immagini di telerilevamento.
- Affronta le limitazioni dei paradigmi di inferenza statica che causano ambiguità semantica.
- L'apprendimento del consenso geometrico utilizza osservazioni multiview consistenti.
- L'apprendimento del consenso semantico adatta le descrizioni testuali per la calibrazione.
- Il framework non richiede addestramento e ricalibra i modelli in tempo reale.
- Mira a migliorare le prestazioni in diverse categorie di copertura del suolo.
- L'approccio è dettagliato nell'articolo arXiv 2604.26221.
- L'articolo è classificato come annuncio cross-type.
Entità
Istituzioni
- arXiv