DORec：基于二维自监督特征的目标分解重建与分割
计算机视觉与模式识别
2024-09-04 v3
摘要
恢复单个物体的三维几何与纹理对许多机器人应用（如操纵、位姿估计和自动驾驶）至关重要。然而，从复杂背景中分解出目标物体具有挑战性。大多数现有方法依赖昂贵的人工标注来获取物体实例感知。近期二维自监督学习的进展为识别感兴趣物体提供了新前景，但利用此类含噪的二维特征实现干净分解仍很困难。本文中，我们提出一种基于神经隐式表示的分解物体重建（DORec）网络。我们的核心思想是利用二维自监督特征生成两级掩码用于监督：用于前景区域的二值掩码，以及用于语义相似区域的 K 类簇掩码。这些互补掩码带来了鲁棒的分解。在不同数据集上的实验结果表明，DORec 在从多样背景中分割和重建不同前景物体方面具有优越性，并可支持位姿估计等下游任务。
引用
@article{arxiv.2310.11092,
title = {DORec: Decomposed Object Reconstruction and Segmentation Utilizing 2D Self-Supervised Features},
author = {Jun Wu and Sicheng Li and Sihui Ji and Yifei Yang and Yue Wang and Rong Xiong and Yiyi Liao},
journal= {arXiv preprint arXiv:2310.11092},
year = {2024}
}