近日，我校张辉教授和杨恺伦教授联合指导的论文《Occlusion-Aware Seamless Segmentation》被计算机视觉顶会ECCV 2024接收。

ECCV，全称为European Conference on Computer Vision，即欧洲计算机视觉国际会议，是计算机视觉领域中最顶级的会议之一，与ICCV（International Conference on Computer Vision）和CVPR（Conference on Computer Vision and Pattern Recognition）并称为计算机视觉领域的“三大顶会”。ECCV每两年举行一次，2024年录用率约27.9%。

该项研究由湖南大学、德国卡尔斯鲁厄理工学院（Karlsruher Institut für Technologie，KIT）和浙江大学合作完成。该论文的第一作者为我校博士研究生曹意宏，共同第一作者为德国KIT博士后张嘉明，指导老师为我校张辉教授和杨恺伦教授，合作者还有浙江大学博士研究生时昊、德国KIT博士研究生彭鲲宇、我校硕士研究生张羽宏宣和德国KITRainer Stiefelhagen教授。

全景图像因其广阔的视角、复杂的场景理解需求和不同视域之间的领域适应性问题，一直是计算机视觉中的重要研究方向。在这项最新研究中，团队提出了一种创新的任务，称为“Occlusion-Aware Seamless Segmentation (OASS)”，旨在同时解决狭窄视角、遮挡问题和视域间差异的挑战。

图1 OASS任务面临的挑战

为了评估和推广OASS的有效性，研究团队特别创建了一个全新的开源人工标注数据集，名为“Blending Panoramic Amodal Seamless Segmentation (BlendPASS)”。该数据集不仅为OASS的基准测试提供了平台，还为全景图像领域的研究提供了重要资源。

图2提出的UnmaskFormer方法

UnmaskFormer方法是团队针对全景图像语义分割问题的首个解决方案，其关键创新点包括“Unmasking Attention (UA)”和“Amodal-oriented Mix (AoMix)”等关键设计。通过这些创新设计，UnmaskFormer不仅在BlendPASS数据集上取得了最先进的性能，而且在公开的全景语义分割数据集SynPASS和DensePASS上也明显优于现有方法。