Компьютерные науки > Компютерное видение и распознавание моделей [представлено 15 октября 2026 года] Название: VesperMuse: Multi-modal Fusion Vision Transformer for Image Semantic Squateration in Diversal Light Spectivities View PDF HTML (экспериментальное) Резюме: Семантическая сегментация имеет решающее значение для надежного навигации и понимания сцен автономных систем, однако ее эффективность сильно ухудшается в малосветовых средах изза шума, артефактов, искажений цвета и потери структурных деталей. Для решения этой задачи в рамках данной работы внедряется система VesperMUSE - единая многомерная система, предназначенная для достижения надежной семантической сегментации изображений по различным условиям освещения. Архитектура решает проблему дефицита света на многих уровнях: предлагает новый синтетически ориентированный на физику алгоритм малосветовой адаптации, приближаясь к усовершенствованию изображений с низким светом (LLIE) посредством термодифицированной парадигмы и в конечном итоге стремится восстановить внутренние элементы сцены для сегментации семантики путем мульти-образного синтеза. После усовершенствования рамочная основа динамическо увязывает основные характеристики РПГ с вспомогательными тепловыми представительствами и обычными картами поверхности, показывающими геометрические разрывы и границы материалов. В основе этой интеграции лежит весьма масштабируемый, агностический механизм самосознания с использованием различных моделей, который позволяет извлечь…
VesperMUSE: мульти-модальный вид сужения, трансформатор для семантического сегмента изображения в условиях диверсивного света
arXiv: 26102.21990v1 Annualce Type: новый резюме: Семантическая сегментация имеет решающее значение для надежной навигации и понимания сцен автономных систем, однако ее эффективность сильно ухудшается в малосветовых средах из-за шума, артефактов, искажений цвета и потери конструкционных деталей. Для решения этой задачи в рамках данной работы внедряется система VesperMUSE - единая многомерная система, предназначенная для достижения надежной семантической сегментации изображений по различным условиям освещения. Архитектура решает проблему дефицита света на многих уровнях: предлагает новый синтетически ориентированный на физику алгоритм малосветовой адаптации, приближаясь к усовершенствованию изображений с низким светом (LLIE) посредством термодифицированной парадигмы и в конечном счете стремится восстановить внутренние детали сцены для семантичной сегментации за счет мульти-образного синтеза. После усовершенствования рамочная основа динамическо увязывает основные характеристики РПГ с вспомогательными тепловыми представительствами и обычными картами поверхности