BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 提出了一种名为AsymFormer的新型网络，用于实时RGB-D语义分割。
- 通过优化计算资源分配和引入非对称骨干网络，最小化冗余参数，实现多模态特征的有效融合。
- 在NYUv2和SUNRGBD数据集上评估，AsymFormer在NYUv2上实现52.0%的mIoU，在SUNRGBD上实现49.1%的mIoU。
- 在RTX3090上实现65 FPS的推理速度，实施混合精度量化后达到79 FPS。
- AsymFormer在RGB-D语义分割中实现高准确度和高效性之间的平衡，显著优于现有多模态方法。
➡️
