CrackSegDiff：基于扩散概率模型的多模态裂缝分割
原文中文，约500字，阅读约需1分钟。发表于：。本研究解决了在路面检测中，灰度图像和深度数据结合时因背景噪声影响精度不足的问题。提出的CrackSegDiff方法通过增强局部和全局特征提取的交互，采用Vm-unet高效捕捉原始数据的长期信息，显著提高了对裂缝的分割精度，尤其在检测浅裂缝方面表现卓越。
过去十年，自动化方法被开发用于更高效地检测裂缝，替代传统手动检查。语义分割算法在逐像素检测中表现出色，但需要大量标记数据。为此，提出了无监督的UP-CrackNet，通过生成对抗网络恢复破坏区域，实现逐像素裂缝检测。实验显示其性能优于传统无监督算法，并与先进的监督算法相媲美。代码已公开。
