SpiderMesh: スペース認識需要誘導再帰メッシュングによるRGB-Tセマンティックセグメンテーション

都市シーン理解のための意味分割において、RGBカメラだけでは困難な照明条件下で明確な全体的なトポロジーを捉えることがしばしば困難です。熱信号は、低品質のRGB画像におけるぼやけた領域の輪郭と細かいテクスチャを明らかにする情報豊富な追加チャネルです。実用的なRGB-T（熱）セグメンテーションを目指し、我々は空間認識型需要誘導再帰メッシュ（Spatial-aware Demand-guided Recursive Meshing: SpiderMesh）フレームワークを体系的に提案します。このフレームワークは以下の機能を持っています：1) 需要誘導ターゲットマスキングアルゴリズムを通じて、光学的に損傷を受けた領域での不十分なコンテキストセマンティクスを積極的に補完します；2) 再帰メッシュを使用してマルチモーダルセマンティック特徴量を精緻化し、ピクセルレベルの意味解析性能を向上させます。さらに、非対称データ拡張技術M-CutOutを導入し、実用上疎にしか存在しないRGB-Tラベルを完全に活用するための半教師あり学習を可能にしました。MFNetおよびPST900データセットにおける広範な実験により、SpiderMeshが標準的なRGB-Tセグメンテーションベンチマークで最先端の性能を達成していることが示されています。