RGB-D语义分割发展的重要节点有哪些？

RGB-D语义分割是一个相对较新的研究领域，其发展历程中有几个重要的节点，包括：

1. 2012年：Silberman等人在CVPR上发表了“Indoor Segmentation and Support Inference from RGBD Images”一文，这是RGB-D语义分割领域的首篇论文，开创了这个领域。

2. 2014年：Liu等人在ECCV上发表了“FusionSeg: A Unified Framework for RGB-D Image Segmentation”，这是一篇具有里程碑意义的论文，提出了一种基于深度学习的RGB-D语义分割方法，开创了深度学习在该领域的应用。

3. 2016年：Liu等人在ECCV上发表了“Deep Convolutional Neural Fields for Depth Estimation from a Single Image”一文，提出了一种基于深度卷积神经网络的单张图像深度估计方法，为RGB-D语义分割中深度信息的获取提供了新思路。

4. 2017年：Gupta等人在ICCV上发表了“DSGN: Deep Stereo Geometry Network for 3D Object Detection”，该论文提出了一种基于深度学习的3D物体检测方法，为RGB-D语义分割中物体识别和检测提供了新的思路。

5. 2020年：Yuan等人在ECCV上发表了“TransFuse: Transformers for Precise RGB-D Semantic Segmentation”一文，该论文首次将Transformer应用于RGB-D语义分割任务中，取得了优异的分割结果，为该领域的研究提供了新思路。

这些重要的节点推动了RGB-D语义分割领域的发展，促进了该领域的技术进步和应用拓展。