16일 전

GEBNet: RGB-T 장면 해석을 위한 그래프 강화 브랜치 네트워크

{Lu Yu, Xiaohong Qian, WuJie Zhou, Shaohua Dong}
초록

RGB-T(적-녹-청 및 열화상) 장면 해석은 최근 큰 연구 관심을 끌고 있다. 기존의 방법들은 RGB-T 장면 해석을 효율적으로 수행할 수 있지만, 작고 제한된 수용 영역이라는 한계로 인해 성능이 제약받고 있다. 다중 해상도 특징을 융합하거나 주의 메커니즘을 사용하여 전역적인 맥락을 포착하는 기존 접근 방식과 달리, 본 연구에서는 그래프 강화 브랜치 네트워크(GEBNet)를 제안한다. 이 네트워크는 디코더에 의해 생성된 거친 의미 맵을 개선하기 위해 브랜치로부터 얻은 장거리 의존성을 활용한다. 그래프 강화 브랜치 내에 내장된 의미 및 세부 정보 모듈은 고수준과 저수준 특징을 융합한다. 또한 그래프 신경망이 전역 맥락을 효과적으로 포착할 수 있다는 점에 착안하여, 고수준의 의미 정보와 저수준의 세부 정보로부터 전역 정보를 획득하기 위해 새로운 그래프 강화 모듈을 네트워크 브랜치에 통합하였다. MFNet 및 PST900 데이터셋에서 실시한 광범위한 실험 결과를 통해 제안하는 GEBNet의 높은 성능과 주요 구성 요소들이 장면 해석 성능에 기여하는 바를 입증하였다.

GEBNet: RGB-T 장면 해석을 위한 그래프 강화 브랜치 네트워크 | 최신 연구 논문 | HyperAI초신경