面向重排目标检测的共尺度交叉注意力Transformer
机器人学
2024-07-09 v1
摘要
将物体（例如花瓶、门）重新排列回其原始位置是家庭服务机器人（DSR）最基本的技能之一。在重排任务中，根据目标状态和当前状态检测需要重排的物体至关重要。在这项研究中，我们专注于重排目标检测（RTD），其中模型为应重排的物体生成变化掩码。尽管在场景变化检测（SCD）领域已经进行了许多研究，但大多数SCD方法通常无法分割具有复杂形状的物体，并且无法检测可打开或关闭物体的角度变化。在这项研究中，我们提出了一种用于RTD的共尺度交叉注意力Transformer。我们引入了由一系列串行块组成的串行编码器，以及建模目标状态和当前状态之间关系的交叉注意力编码器。我们构建了一个新的数据集，包含关于目标状态和当前状态的RGB图像和变化掩码。我们在该数据集上验证了我们的方法，结果表明，我们的方法在分数和平均IoU上优于基线方法。
引用
@article{arxiv.2407.05063,
title = {Co-Scale Cross-Attentional Transformer for Rearrangement Target Detection},
author = {Haruka Matsuo and Shintaro Ishikawa and Komei Sugiura},
journal= {arXiv preprint arXiv:2407.05063},
year = {2024}
}
备注
Accepted for publication in Advanced Robotics