ISCUTE：基于文本嵌入的线缆实例分割
计算机视觉与模式识别
2024-02-28 v2 机器学习
摘要
在机器人与自动化领域，传统的目标识别与实例分割方法在感知诸如导线、线缆和柔性管等可变形线性物体时面临巨大挑战。这一挑战主要源于其缺乏形状、颜色和纹理等显著属性，因此需要量身定制的解决方案以实现精确识别。在本工作中，我们提出了一种基于基础模型且支持文本提示、用户友好的 DLO 实例分割技术。具体而言，我们的方法将 CLIPSeg 模型的文本条件语义分割能力与 Segment Anything Model（SAM）的零样本泛化能力相结合。我们表明，我们的方法在 DLO 实例分割上超越了 SOTA 性能，达到了 的 mIoU。我们还引入了一个丰富且多样化的、专门针对 DLO 的实例分割数据集。
引用
@article{arxiv.2402.11996,
title = {ISCUTE: Instance Segmentation of Cables Using Text Embedding},
author = {Shir Kozlovsky and Omkar Joglekar and Dotan Di Castro},
journal= {arXiv preprint arXiv:2402.11996},
year = {2024}
}