用于未知物体实例分割的RGB-D特征嵌入学习
机器人学
2021-03-04 v3 计算机视觉与模式识别
摘要
在杂乱场景中对未知物体进行分割是机器人需要在新环境中执行任务时必须掌握的一项重要技能。在这项工作中，我们提出了一种通过从合成数据学习RGB-D特征嵌入来实现未知物体实例分割的新方法。利用度量学习损失函数来学习产生逐像素特征嵌入，使得同一物体的像素在嵌入空间中彼此接近，而不同物体的像素相互分离。利用学习到的特征嵌入，可以应用均值漂移聚类算法来发现并分割未知物体。我们通过一种新的两阶段聚类算法进一步提高了分割精度。我们的方法表明，非真实感合成RGB和深度图像可用于学习特征嵌入，这些嵌入能很好地迁移到真实世界图像中以进行未知物体实例分割。
引用
@article{arxiv.2007.15157,
title = {Learning RGB-D Feature Embeddings for Unseen Object Instance Segmentation},
author = {Yu Xiang and Christopher Xie and Arsalan Mousavian and Dieter Fox},
journal= {arXiv preprint arXiv:2007.15157},
year = {2021}
}
备注
CoRL 2020