CNOS:基于 CAD 的新颖物体分割的强基线方法
计算机视觉与模式识别
2023-08-28 v4
摘要
我们提出一种简单的三阶段方法,利用 CAD 模型在 RGB 图像中分割未见过的物体。借助近期强大的基础模型 DINOv2 与 Segment Anything,我们创建描述子并生成包含给定输入 RGB 图像二值掩码的方案。通过将方案与从 CAD 模型创建的参考描述子进行匹配,我们实现精确的物体 ID 指派以及模态掩码。我们通过实验证明,我们的方法在基于 CAD 的新颖物体分割中取得了 state-of-the-art 结果,在使用相同 BOP 评估协议下,于 BOP 挑战的七个核心数据集上以 19.8% AP 超越现有方法。我们的源代码可在 https://github.com/nv-nguyen/cnos 获取。
引用
@article{arxiv.2307.11067,
title = {CNOS: A Strong Baseline for CAD-based Novel Object Segmentation},
author = {Van Nguyen Nguyen and Thibault Groueix and Georgy Ponimatkin and Vincent Lepetit and Tomas Hodan},
journal= {arXiv preprint arXiv:2307.11067},
year = {2023}
}
备注
ICCV 2023, R6D Workshop