学习在真实图像中对液体进行分割
计算机视觉与模式识别
2026-01-06 v1
摘要
水、葡萄酒和医药等不同类型的液体在日常生活的各个方面都呈现出来。然而，针对这一任务的关注有限，阻碍了机器人安全地避免或与液体进行交互的能力。液体的分割困难在于，液体呈现出多样的外观和形状；此外，它们可以是透明的或反射的，能够取代背景或周围环境中的任意对象和场景。为了应对这一挑战，我们构建了一个名为 LQDS 的大规模液体数据集，包含 5000 张真实世界图像，标注为 14 个 distinct 类，并设计了一个新的液体检测模型 LQDM，该模型利用专门的边界分支与主分割分支之间的跨注意力机制，以增强分割预测。广泛的实验表明 LQDM 在 LQDS 测试集上有效，超越了当前方法，为液体的语义分割树立了强大的基准。
引用
@article{arxiv.2601.00940,
title = {Learning to Segment Liquids in Real-world Images},
author = {Jonas Li and Michelle Li and Luke Liu and Heng Fan},
journal= {arXiv preprint arXiv:2601.00940},
year = {2026}
}
备注
9 pages, 7 figures