PF-PASCAL

“PF-PASCAL 数据集由来自 20 个对象类别的 1,351 个语义相关的图像对组成。在存在类内变化和场景布局大变化的情况下，寻找图像对应仍然是一个具有挑战性的问题。语义流方法旨在处理描述相同对象或场景类别的不同实例的图像。我们引入了一种新的语义流方法，称为提案流，它使用对象提案建立可靠的对应关系。与在像素或定期采样的局部区域上运行的主流语义流方法不同，提案流受益于现代对象提议的特点，在多个尺度上表现出高可重复性，并且可以利用提议之间的局部和几何一致性约束。我们还表明，相应的稀疏提议流可以有效地转换为传统的密集流场. 我们介绍了两个新的具有挑战性的数据集，可以sed 来评估通用语义流技术和基于区域的方法，例如提案流。我们使用这些基准将提案流中的不同匹配算法、对象提案和区域特征与语义流中的最新技术进行比较。这种比较以及在标准数据集上的实验表明，提案流在各种设置中都明显优于现有的语义流方法。”

搜集汇总

背景与挑战

背景概述

PF-PASCAL数据集包含1,351对语义相关的图像，涵盖20个对象类别，用于评估语义流技术，尤其是在类内变化和场景布局大变化下的图像对应问题。该数据集支持提案流方法的研究，通过对象提案建立可靠对应，并用于比较不同匹配算法与现有语义流方法。