特征对齐的对称多模态网络在连续道路场景语义分割中的应用
原文中文，约300字，阅读约需1分钟。发表于：。本研究通过强制执行紧密耦合的特征表示和对称信息共享方案，通过重新定义多模态语义分割任务，实现即使一个输入模态缺失，也能正常工作，提高模型的可靠性，尤其适用于自动驾驶等安全关键应用领域。在 SemanticKITTI 数据集上评估了本方法，并与最接近的竞争者进行了比较。同时还引入了一种特定的持续学习方案，并在渐进式持续学习场景中展示了该方法的有效性。
本研究重新定义了多模态语义分割任务，提高了模型的可靠性。即使一个输入模态缺失，该方法仍能正常工作，适用于自动驾驶等安全关键应用领域。通过在SemanticKITTI数据集上评估和与竞争者比较，展示了该方法的有效性。同时还展示了该方法在渐进式持续学习场景中的有效性。
