en
en
Источник
CVPR
Дата публикации
05.06.2023
Авторы
Александр Панов Дмитрий Юдин Маргарита Кичик Татьяна Земскова
Поделиться

SegmATRon: Embodied Adaptive Semantic Segmentation for Indoor Environment

Embodied semantic segmentation, Image recognition, Indoor environment, Transformer, Adaptive model

Аннотация

This paper presents an adaptive transformer model named SegmATRon for embodied image semantic segmentation. Its distinctive feature is the adaptation of model weights during inference on several images using a hybrid multicomponent loss function. We studied this model on datasets collected in the photorealistic Habitat Simulator. We showed that obtaining additional images using the agent's actions in an indoor environment can improve the quality of semantic segmentation.

Читать в источнике

Похожие публикации

AAAI
Decentralized Monte Carlo Tree Search for Partially Observable Multi-agent Pathfinding
Алексей Скрынник, Антон Андрейчук, Константин Яковлев, Александр Панов
Читать источник
AAAI
TransPath: Learning Heuristics For Grid-Based Pathfinding via Transformers
Антон Андрейчук, Александр Панов, Константин Яковлев, Даниил Кириленко
Читать источник
IEEE Access
Interactive Semantic Map Representation for Skill-Based Visual Object Navigation
Татьяна Земскова, Алексей Староверов, Кирилл Муравьев, Дмитрий Юдин, Александр Панов
Читать источник
Logic Journal of the IGPL
Sign-based image criteria for social interaction visual question answering
Анфиса Чуганская, Алексей Ковалёв, Александр Панов
Читать источник
EACL
The Shape of Learning: Anisotropy and Intrinsic Dimensions in Transformer-Based Models
Антон Разжигаев, Матвей Михальчук, Елизавета Гончарова, Иван Оселедец, Денис Димитров, Андрей Кузнецов
Читать источник
AAAI
Improved Anonymous Multi-Agent Path Finding Algorithm
Zain Alabedeen Ali , Константин Яковлев
Читать источник
AAAI
Learn to Follow: Decentralized Lifelong Multi-agent Pathfinding via Planning and Learning
Алексей Скрынник, Антон Андрейчук, Maria Nesterova, Константин Яковлев, Александр Панов
Читать источник
Связаться
Присоединяйтесь к AIRI в соцсетях
Вы можете задать нам вопрос или предложить совместный проект в области ИИ

Сообщение отправлено.

Спасибо!

Что-то пошло не так. Попробуйте снова