这篇文章其实就是几篇文章凑在了一起.

fusion的部分用的是
ElasticFusion: Dense SLAM without a pose graph
这篇文章实现了local loop closure and global loop closure

然后他的segmentation有两种, 一种是MOTION SEGMENTATION, 它是基于超像素来做这种segmentation. 对于超像素,它用这篇文章来划分
gSLICr: SLIC superpixels at over 250Hz

划分好超像素后就用这篇文章来做segmentation
Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials

这篇文章主要需要提供unary potential and pairwise potential, 所以在co-fusion文章的VI部分有具体的提及

然后就是另一种segmentation, OBJECT INSTANCE SEGMENTATION, 这个是用deep learning来做的, 主要有两篇文章, 一篇是Learning to Segment Object Candidates


另一篇是Learning to Refine Object Segments


是它的提高版

具体的代码用图表示为

Co-Fusion: Real-time Segmentation, Tracking and Fusion of Multiple Objects相关推荐

  1. MMFNet: A Multi-modality MRI Fusion Network for Segmentation of Nasopharyngeal Carcinoma

    MMFNet: A Multi-modality MRI Fusion Network for Segmentation of Nasopharyngeal Carcinoma MMFNet:一种用于 ...

  2. Robust semantic segmentation by dense fusion network on blurred vhr remote sensing images

    Robust semantic segmentation by dense fusion network on blurred vhr remote sensing images 说明se的设计还是很 ...

  3. [深度学习论文笔记]A Tri-attention Fusion Guided Multi-modal Segmentation Network

    A Tri-attention Fusion Guided Multi-modal Segmentation Network 一种三注意力融合引导的多模态分割网络 Published: 2 Nov 2 ...

  4. 论文笔记(二十二):Soft Tracking Using Contacts for Cluttered Objects to Perform Blind Object Retrieval

    Soft Tracking Using Contacts for Cluttered Objects to Perform Blind Object Retrieval 文章概括 摘要 1. 介绍 2 ...

  5. Gated Fully Fusion for Semantic Segmentation(GFF)

    前言 语义分割,是一项基本任务,作为普通学生的我,只能利用大佬们提供的砖头和假设图纸进行搭建工作,这是我对自己的认知,不知读者你们如何认为? 开始阅读: 摘要 语义分割通过密集地预测每个像素的类别来产 ...

  6. 多模态特征融合机制(含代码):TFN(Tensor Fusion Network)和LMF(Low-rank Multimodal Fusion)

    文章目录 写在前面 简单的concat TFN融合策略 LWF融合策略 论文全称: <Tensor Fusion Network for Multimodal Sentiment Analysi ...

  7. vmare fusion:No Ethernet Connection VMware Fusion 12 macOS Big Sur

    问题:Could not connect 'Ethernet0' to virtual network '/dev/vmnet8'. 执行: sudo rm /Library/Preferences/ ...

  8. rgb fusion检测不到显卡_【论文阅读27】Co-Fusion

    主要内容 物体级别的语义SLAM.维护一个背景模型和多物体模型,每个模型由面元地图表示. 基于运动分割和语义信息检测运动物体. 使用基于ICP对齐的几何误差和基于颜色差异的光度误差跟踪背景模型(相机位 ...

  9. Co-Fusion:物体级别的语义SLAM

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者:robot L https://zhuanlan.zhihu.com/p/137100522 本 ...

最新文章

  1. C#版及nodejs版的com端口监听程序
  2. go channel 缓冲区最大限制_GO语言圣经学习笔记(八)Goroutines和Channels
  3. JavaScript Array常用方法
  4. 运动会成绩管理java代码_基于jsp的运动会成绩管理-JavaEE实现运动会成绩管理 - java项目源码...
  5. linux使用ntp时间同步
  6. 数据库比特币勒索病毒攻击警示,云和恩墨技术通讯六月刊精选
  7. elementUI中table中自定义修改时间格式2020-10-26T10:00:00
  8. R语言数据清理:视频游戏数据案例研究
  9. 曲线积分和曲面积分及其几何应用、物理应用
  10. everthing 打开历史记录功能
  11. 【Office】Word空格无法添加下划线
  12. ## 关于时下新兴的日常图片视频摄像防抖技术的简单介绍与讨论
  13. es 创建索引 指定id_elasticsearch创建索引
  14. 理解什么叫管理vlan与业务VLAN,理解DTP及trunk的配置
  15. 仅以此文敬我们可歌可泣的2007年
  16. python描述数据维度的含义_NumPy中的维度(dimension)、轴(axis)、秩(rank)的含义
  17. CSS 之 后代、并列选择器
  18. 如何打造企业短视频账号的人设?
  19. 神经复杂系统前沿:关于认知大脑的两种观念
  20. Vscode设置用户代码片段

热门文章

  1. python实现时频谱,语谱图,mel语谱倒谱等
  2. GetProcAddress()函数动态调用DLL中的函数,是否必须通过extern C声明导出函数?
  3. 产品研发过程管理专题——软件测试是提高软件产品质量的必要条件
  4. mysql xtrabackup_mysql备份
  5. Jenkins进阶系列之——07Jenkins纳入版本控制
  6. 纸上谈兵: 最短路径与贪婪
  7. HTML动态时间代码
  8. struts-step
  9. 一维稳态导热的数值计算c语言,传热传质上机实习题(参考资料C语言)
  10. linux文件元数据,linux编程stat检测文件元数据信息