公开(公告)号：CN118823342A

公开(公告)日：2024-10-22

申请号：CN202410831267.9

申请日：2024-06-26

Applicant: 北京工业大学

Inventor： 邓勇舰 ,  姚博文 ,  刘翊帆 ,  刘宇涵 ,  郭珈琪 ,  贾仕林 ,  杨震

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/62 ,  G06V10/56 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于大模型适配的多模态语义分割方法，首先对于每一对的输入数据，以RGB数据的曝光时间戳为基准，以不同的时间尺度划分事件信息，随后将事件处理为体素，和视频帧分别输入多时空尺度事件嵌入模块与SAM主干，然后将经过多时空尺度事件嵌入模块提取的时间特征输入SAM事件适配器中，与SAM中的图像信息进行交互，得到富含高质量运动信息的特征。最后特征将被输入简单的语义分割头来生成语义分割结果。本发明是端到端的，整体可以直接进行训练，之后可以使用训练的模型来处理事件‑RGB场景下的语义分割问题。本发明解决了由于RGB信息在极端场景下信息丢失的问题，并达到了比以往工作更优秀的语义分割结果。