基于域不变孪生注意力掩码的日常室内机器人导航小目标变化检测

本文从自注意力技术的新视角探讨了通过日常室内机器人导航进行图像变化检测的问题。检测语义上不显著且视觉上微小的变化仍是机器人领域的一项关键挑战。直观上，这些微小且不显著的变化或许能更好地由近期注意力机制范式来处理，这也是本工作的基本思想。然而，现有的自注意力模型在每个域上都需要大量的重训练成本，因此无法直接应用于机器人应用。我们提出了一种具有无监督即时域适应能力的新型自注意力技术，其将注意力掩码引入图像变化检测模型的中间层，而无需修改模型的输入和输出层。在一个室内机器人旨在检测日常导航中视觉微小变化的实验中，我们的注意力技术显著提升了最先进的图像变化检测模型。