基于神经辐射场的开集语义分割方法及系统

    公开(公告)号:CN117274596A

    公开(公告)日:2023-12-22

    申请号:CN202311249260.8

    申请日:2023-09-26

    摘要: 本公开涉及计算机视觉技术领域,提出了一种基于神经辐射场的开集语义分割方法及系统,包括如下步骤:基于神经辐射场进行对获取的待识别图像特征提取,得到已知类物体的全局视角特征;计算已知类物体的全局视角特征与对应原型之间的混合距离,以约束所有已知类特征在度量空间中靠近对应的类别原型,得到学习后的语义场;根据学习后得到的语义场,采用基于度量的最大化Logits策略结合形态学的开运算方法,对场景中未知物体进行分割。本公开采用隐式神经场景表达的方法进行开集分割,提高了特征的表达能力以及开集分割性能,能在保持对场景中已知类物体准确分割的前提下,实现对场景中未知类物体的精确分割。

    一种针对低纹理区域精确表示的场景表达方法及系统

    公开(公告)号:CN115526992A

    公开(公告)日:2022-12-27

    申请号:CN202211253518.7

    申请日:2022-10-13

    摘要: 本公开涉及计算机视觉技术领域,提出了一种针对低纹理区域精确表示的场景表达方法及系统,包括如下步骤:获取待识别场景区域中相机的相机参数、目标视图图像坐标和初始深度;将获取的数据,输入至训练好的超像素引导场景表示网络进行场景表达,得到合成的场景目标视图;所述超像素引导场景表示网络包括场景表示网络和超像素正则化模块,在场景表示网络的像素生成器前,设置超像素正则化模块,将整个场景分割成多个局部区域,然后利用平滑损失函数,优化局部区域的场景表示,训练超像素引导场景表示网络。本公开的方法能够解决场景表达模型在低纹理区域表示不精确问题,来提高场景表示模型的3D结构表达能力。