Паноптична сегментація
Паноптична сегментація дає кожному окремому пікселю на зображенні мітку, об’єднуючи «що це за область» і «який це конкретний об’єкт». Це найповніша форма розуміння сцени в комп’ютерному зорі.
Глибоке занурення
Комп’ютерний зір довго мав дві окремі задачі. Семантична сегментація позначає кожен піксель за категорією (дорога, небо, людина), але не може відрізнити двох людей. Сегментація екземплярів знаходить і окреслює окремі підраховані об’єкти, але ігнорує фонові «речі», такі як небо чи трава. Паноптична сегментація, формалізована дослідниками Facebook AI у 2018 році, поєднує обидва: вона призначає кожному пікселю категорію, а для численних «речей» також призначає унікальний ідентифікатор екземпляра. У результаті виходить єдина цілісна карта без прогалин або накладень. Якість вимірюється за допомогою Panoptic Quality (PQ), яка поєднує в собі те, наскільки точно розпізнаються регіони та наскільки добре збігаються їхні межі. Це важливо там, де машина повинна повністю розуміти всю сцену, наприклад, коли самокерований автомобіль інтерпретує вулицю.
Технічне розуміння
Паноптичні моделі поділяють мітки на «речі» (об’єкти, що підраховуються, як-от машини та люди, які отримують ідентифікатори екземплярів) і «речі» (аморфні регіони, такі як дорога чи небо, які не отримують). Ранні системи запускали окремі семантичні та екземплярні гілки, а потім об’єднували їх із правилами для вирішення конфліктів пікселів. Новіші методи на основі трансформаторів, такі як Mask2Former, безпосередньо передбачають набір масок із пов’язаними мітками класів, обробляючи як речі, так і інше в одній уніфікованій архітектурі.
Стратегічний вплив
Швидкість і масштаб
Візуальний штучний інтелект може автоматизувати масштабні завдання перевірки, виявлення та позначення тегами.
Створіть вибір
Творчі групи можуть створювати прототипи концепцій швидше з меншою кількістю переглядів вручну.
Команда та робочий процес
Операції можуть використовувати зображення та відеосигнали, які раніше було важко обробити.
Майбутнє панорамної сегментації
Поле консолідується навколо уніфікованих архітектур трансформаторів на основі запитів, які обробляють семантичні, екземплярні та панорамні завдання за допомогою однієї моделі. Дослідження просуваються до панорамної сегментації відео, яка зберігає узгодженість ідентичності екземплярів у кадрах, моделей відкритого словника, які сегментують категорії, описані в тексті, і більш легких моделей, достатньо ефективних для роботів і транспортних засобів. Кращі синтетичні навчальні дані та самоконтроль зменшують високу вартість піксельних ідеальних ручних анотацій.
Реалізація в реальному світі
Автономні транспортні засоби, що створюють повну піксельну карту, що розрізняє кожен автомобіль, пішохода, дорогу та тротуар
Медичне зображення, яке позначає ділянки органів під час підрахунку окремих пошкоджень або клітин
Додатки доповненої реальності, які відокремлюють кожен об’єкт і поверхню для реалістичного розміщення віртуального вмісту
Робототехнічні системи, які повністю аналізують захаращену сцену, щоб спланувати захоплення та навігацію
Ризики та огорожі
Права на зображення та згода можуть стати юридичними ризиками, якщо походження невідоме.
Продуктивність моделі може відрізнятися залежно від освітлення, демографічних показників і середовища.
Помилкові спрацьовування можуть залишитися непоміченими, якщо не відстежувати пороги довіри.
Дорожня карта впровадження
Визначте критерії прийнятності для точності, відкликання та вартості помилок.
Тестуйте з даними, які відповідають реальним умовам виробництва.
Додайте перевірку людиною для прогнозів із низьким рівнем достовірності або високого впливу.
Відстежуйте дрейф моделі та повторно перевіряйте після зміни камери або набору даних.
Продовжуйте досліджувати
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Panoptic Segmentation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Наступний посібник
Сегментація зображення
Часті запитання
What is Panoptic Segmentation?
Паноптична сегментація дає кожному окремому пікселю на зображенні мітку, об’єднуючи «що це за область» і «який це конкретний об’єкт». Це найповніша форма розуміння сцени в комп’ютерному зорі.
Що призначає панорамна сегментація кожному пікселю зображення?
Паноптична сегментація позначає кожен піксель категорією та додатково надає унікальний ідентифікатор екземпляра лічильним «речям», не залишаючи прогалин або накладень.
У паноптичній термінології, що таке «класи речей»?
«Матеріали» стосуються незліченних аморфних фонових областей, таких як небо чи дорога, які отримують категорію, але не мають ідентифікатора екземпляра.
Яке основне обмеження семантичної сегментації долає паноптична сегментація?
Семантична сегментація позначає пікселі за категоріями, але не може відокремити двох людей один від одного; panoptic додає ідентифікатор екземпляра.
Який показник використовується для оцінки якості панорамної сегментації?
Паноптична якість (PQ) поєднує точність розпізнавання з накладанням сегментації, щоб оцінити, наскільки добре прогнозуються речі та інше.
Що отримують класи «речі», а не класи «речі»?
Підраховані «речі» отримують унікальний ідентифікатор екземпляра, щоб окремі об’єкти можна було відрізнити, тоді як «речі» отримують лише категорію.