AsymFormer：面向移动平台的异模态不对称交叉表示学习实时 RGB-D 语义分割
原文中文，约600字，阅读约需2分钟。发表于：。在机器人智能领域中，实现高效和准确的 RGB-D 语义分割是一个关键基石。本文提出 AsymFormer，这是一种面向实时 RGB-D...
本文提出了一种名为AsymFormer的新型网络，用于实现实时RGB-D语义分割。该网络通过优化计算资源分配和引入非对称骨干网络，对冗余参数进行了最小化，以实现多模态特征的有效融合。在NYUv2和SUNRGBD数据集上评估该方法，AsymFormer在NYUv2上实现了52.0％的mIoU，在SUNRGBD上实现了49.1％的mIoU。在RTX3090上实现了65 FPS的推理速度，在实施混合精度量化后，达到了令人印象深刻的79 FPS的推理速度。
