HyperAIHyperAI
منذ 17 أيام

LaneAF: كشف متعدد المسارات متين باستخدام حقول الترابط

Hala Abualsaud, Sean Liu, David Lu, Kenny Situ, Akshay Rangesh, Mohan M. Trivedi
LaneAF: كشف متعدد المسارات متين باستخدام حقول الترابط
الملخص

تُقدّم هذه الدراسة منهجية للكشف عن المسارات تتضمن تنبؤًا بخرائط التجزئة الثنائية وحقول الارتباط لكل بكسل. ويمكن بعد ذلك استخدام هذه الحقول مع الخرائط الثنائية لدمج بكسلات المسارات أفقيًا وعموديًا في مراحل ما بعد المعالجة، لتكوين حالات المسارات المقابلة. ويتم تحقيق هذا التجميع من خلال عملية فك تشفير بسيطة تُطبّق صفًا تلو الآخر، وبأثر جزئي بسيط؛ مما يسمح لنموذج LaneAF بالكشف عن عدد متغير من المسارات دون افتراض عدد ثابت أو حد أقصى لعدد المسارات. علاوة على ذلك، فإن هذا الشكل من التجميع أكثر قابلية للتفسير مقارنة بالمناهج السابقة للترميز البصري، ويمكن تحليله لتحديد مصادر الأخطاء وتصحيحها. وقد أظهرت النتائج الكمية والكيفية التي تم الحصول عليها على مجموعات بيانات شهيرة للكشف عن المسارات قدرة النموذج على كشف ودمج المسارات بكفاءة وقوة. ويساهم النهج المقترح في إرساء حالة جديدة من التميز في مجموعة بيانات CULane الصعبة، وفي مجموعة بيانات LLAMAS غير المُعلَّمة التي تم إطلاقها حديثًا.

LaneAF: كشف متعدد المسارات متين باستخدام حقول الترابط | أحدث الأوراق البحثية | HyperAI