基于自适应多尺度融合的RGB-D岩画图像分割模型

来源：计算机技术与发展杂志2025年第05期北京时间：

作者：白川平;;职昕;张芳琴;王治学;周明全;

单位：1. 西北大学 信息科学与技术学院,陕西 西安 710127;2. 宁夏师范大学 数学与计算机科学学院,宁夏 固原 756099;3. 宁夏师范大学 人工智能与智慧医疗工程技术研究中心,宁夏 固原 756099;4. 西北大学 文化遗产数字化国家地方联合工程研究中心,陕西 西安 710127

摘要：岩画(也称岩石艺术)是认知古代人类社会、文化、宗教和环境的重要文化遗产。 为了精准分割岩画中复杂的、尺度多样的图案与符号,文中利用深度图像弥补 RGB 图像缺失的空间几何信息,提出自适应多尺度融合的 RGB-D(RGB-Depth)岩画图像分割模型 Adaptive Multi-scale Fusion Network(AMFNet),设计自适应多尺度特征融合网络融合深度空间信息与 2D 图像纹理信息,充分挖掘互补信息提高模型分割性能。 该模型首先采用大卷积核扩大感受野,然后进行卷积核分解。 其次利用动态空间选择机制选择不同尺度的卷积核对应的特征图,自适应地融合多尺度特征,增强岩画中不同尺度目标的空间特征表达能力。 实验结果表明,该模型在 3D-pitoti 岩画数据集上的平均交并比(MIoU)和像素准确率(PA)均高于其他三个方法,比最新的 BEGL+UNet 方法分别提高 5. 3 百分点和 3. 0 百分点,验证了模型的有效性,同时验证了在前景与背景高度相似的岩画图像分割领域,深度图像的空间几何信息为分割模型提供了互补信息。

关键词：岩画图像分割;多模态;神经网络;深度学习;数据融合;多尺度;注意力机制