AirRoom：在客房重识别中，物体至关重要
计算机视觉与模式识别
2025-08-08 v2
摘要
客房重识别 (ReID) 是一个具有挑战性且在诸多应用中至关重要的任务，如增强现实 (AR) 和居家机器人领域。现有的视觉地点识别 (VPR) 方法通常依赖全局描述符或综合局部特征，在密集拥挤的室内环境中常难以应对，这些方法往往忽视了物体导向信息的关键作用。为此，我们提出了 AirRoom，一种集成多级物体导向信息的管道，从全局语境到物体块、物体分割和关键点，采用粗到细检索方法。我们在四个新构建的数据集上进行了广泛实验——MPReID、HMReID、GibsonReID 和 ReplicaReID——证明 AirRoom 在 nearly all evaluation metrics 上超越了最先进 (SOTA) 模型，改进幅度介于 6% 到 80% 之间。此外，AirRoom 具有显著的灵活性，允许管道中各种模块使用不同的替代方案而不会影响整体性能。它在各种视角变化下表现出稳健且一致的性能。
引用
@article{arxiv.2503.01130,
title = {AirRoom: Objects Matter in Room Reidentification},
author = {Runmao Yao and Yi Du and Zhuoqun Chen and Haoze Zheng and Chen Wang},
journal= {arXiv preprint arXiv:2503.01130},
year = {2025}
}
备注
Paper accepted at CVPR 2025