通过四重边界误差细化实现高质量未知物体实例分割
计算机视觉与模式识别
2025-02-28 v5 机器人学
摘要
在非结构化环境中对未知物体进行准确高效的分割，对机器人操作至关重要。未知物体实例分割（UOIS）旨在识别未知类别与背景中的所有物体，已成为各类机器人任务的关键能力。然而，现有方法面临过分割与欠分割问题，导致抓取等操作任务失败。为应对这些挑战，我们提出QuBER（四重边界误差细化），一种用于高质量UOIS的误差知情细化方法。QuBER首先估计初始分割实例边界处的四重边界误差——真正例、真负例、假正例与假负例像素。随后，它利用误差引导融合机制细化分割，有效纠正细粒度与实例级分割错误。在三个公开基准上的大量评估表明，QuBER优于最先进的方法，并能持续提升多种UOIS方法，同时保持低于0.1秒的快速推理时间。此外，我们展示了QuBER提升了杂乱环境中抓取目标物体的成功率。代码与补充材料见 https://sites.google.com/view/uois-quber。
引用
@article{arxiv.2306.16132,
title = {High-Quality Unknown Object Instance Segmentation via Quadruple Boundary Error Refinement},
author = {Seunghyeok Back and Sangbeom Lee and Kangmin Kim and Joosoon Lee and Sungho Shin and Jemo Maeng and Kyoobin Lee},
journal= {arXiv preprint arXiv:2306.16132},
year = {2025}
}
备注
8 pages, 7 figures, accepted at ICRA 2025, project website: https://sites.google.com/view/uois-quber