AirObject：一种用于物体识别的时间演化图嵌入方法
计算机视觉与模式识别
2022-11-15 v2 机器人学
摘要
物体编码与识别对于自主探索、语义场景理解与重定位等机器人任务至关重要。先前方法试图跟踪物体或生成用于物体识别的描述子，然而此类系统受限于来自单一视角的“固定”局部物体表示。在机器人探索场景中，需要随着机器人从多视角观测物体而构建时间上“演化”的全局物体表示。此外，鉴于真实世界中未知新物体的广泛分布，物体识别过程必须是类别无关的。在此背景下，我们提出一种新颖的时间三维物体编码方法，称为 AirObject，以获取基于全局关键点图的物体嵌入。具体而言，全局三维物体嵌入通过使用时间卷积网络，对图注意力编码方法获得的多个帧的结构信息进行生成。我们证明 AirObject 在视频物体识别上达到了最先进（SOTA）性能，并且对严重遮挡、感知混叠、视角偏移、形变与尺度变换具有鲁棒性，优于 SOTA 的单帧与序列描述子。据我们所知，AirObject 是最早的时间物体编码方法之一。源代码见 https://github.com/Nik-V9/AirObject。
引用
@article{arxiv.2111.15150,
title = {AirObject: A Temporally Evolving Graph Embedding for Object Identification},
author = {Nikhil Varma Keetha and Chen Wang and Yuheng Qiu and Kuan Xu and Sebastian Scherer},
journal= {arXiv preprint arXiv:2111.15150},
year = {2022}
}
备注
IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2022