基于加权特征融合的 RGB-D 摄像机玻璃表面分割
计算机视觉与模式识别
2025-08-05 v1
摘要
我们解决的是使用 RGB-D 摄像机进行玻璃表面分割问题，特别关注有效融合 RGB 和深度信息。为此，我们提出了加权特征融合 (WFF) 模块，动态地自适应地组合 RGB 和深度特征，以应对透明性、反射和遮挡等问题。该模块可作为即插即用解决方案无缝集成到各种深度神经网络主干网络中。此外，我们引入了 MJU-Glass 数据集，这是一个由服务机器人在真实环境中收集的综合性 RGB-D 数据集，为评估分割模型提供了宝贵的基准。实验结果表明，分割精度和鲁棒性显著提高，WFF 模块在平均交并比 (mIoU) 和边界 IoU (bIoU) 方面均提升，其中在与 PSPNet 集成时 bIoU 提升了 7.49%。本文提出的模块和数据集为推动机器人领域的玻璃表面分割并减少与玻璃物体碰撞的风险提供了稳健的框架。
引用
@article{arxiv.2508.01639,
title = {Glass Surface Segmentation with an RGB-D Camera via Weighted Feature Fusion for Service Robots},
author = {Henghong Lin and Zihan Zhu and Tao Wang and Anastasia Ioannou and Yuanshui Huang},
journal= {arXiv preprint arXiv:2508.01639},
year = {2025}
}
备注
Paper accepted by 6th International Conference on Computer Vision, Image and Deep Learning (CVIDL 2025)