【论文阅读：RGBD Semantic 】ACNet：基于注意力的网络利用互补特征进行 RGBD 语义分割

论文 代码

与 RGB 语义分割相比，RGBD 语义分割通过考虑深度信息可以获得更好的性能。然而，由于 RGB 和深度 (D) 图像的特征分布在不同场景中存在显着差异，因此当代分割器有效利用 RGBD 信息仍然存在问题。在本文中，我们提出了一种注意力互补网络（ACNet），它可以选择性地从 RGB 和深度分支中收集特征。主要贡献在于注意力补充模块（ACM）和具有三个并行分支的架构。更准确地说，ACM 是一个基于通道注意力的模块，它从 RGB 和深度分支中提取加权特征。该架构保留了原始 RGB 和深度分支的推理，同时启用了融合分支。基于上述结构，ACNet 能够从不同的通道中挖掘出更多高质量的特征。