从局部匹配到全局掩码：面向开放场景的模板引导实例检测与分割
计算机视觉与模式识别
2026-05-15 v2 机器人学
摘要
在开放世界环境中检测和分割新对象实例是机器人感知的一个基本问题。仅凭一小套模板图像，机器人必须在杂乱且之前未见过的场景中定位并分割特定对象实例。现有的基于提案的方法对提案质量高度敏感，在遮挡和背景杂乱情况下常常失效。我们提出L2G-Det，一种局部到全局实例检测框架，通过利用模板与查询图像之间的稠密像素级匹配来规避显式对象提案。局部匹配的像素生成候选点，通过候选点选择模块进行细化以抑制误报。经过滤选的点用于触发增强版的Segment Anything Model（SAM），以实例特定对象标记启用可靠的完整实例掩码重建。实验表明，在具有挑战性的开放世界环境中，L2G-Det相较于基于提案的方法在性能上显著优于。
引用
@article{arxiv.2603.03577,
title = {From Local Matches to Global Masks: Template-Guided Instance Detection and Segmentation in Open-World Scenes},
author = {Qifan Zhang and Sai Haneesh Allu and Jikai Wang and Yangxiao Lu and Yu Xiang},
journal= {arXiv preprint arXiv:2603.03577},
year = {2026}
}
备注
Accepted to Robotics: Science and Systems (RSS) 2026. Project page: https://irvlutd.github.io/L2G/