SAD：分割任意 RGBD
计算机视觉与模式识别
2023-05-24 v1
摘要
Segment Anything Model（SAM）已证明其在分割 2D RGB 图像任意部分方面的有效性。然而，SAM 在分割 RGB 图像时更强调纹理信息，而对几何信息关注较少。为应对这一局限，我们提出了 Segment Any RGBD（SAD）模型，其专门设计用于直接从图像中提取几何信息。受人类通过深度图可视化识别物体的天然能力启发，SAD 利用 SAM 对渲染的深度图进行分割，从而提供增强几何信息的线索并缓解过分割问题。我们进一步在框架中纳入开放词汇语义分割，以实现 3D 全景分割。该项目可在 https://github.com/Jun-CEN/SegmentAnyRGBD 获取。
引用
@article{arxiv.2305.14207,
title = {SAD: Segment Any RGBD},
author = {Jun Cen and Yizheng Wu and Kewei Wang and Xingyi Li and Jingkang Yang and Yixuan Pei and Lingdong Kong and Ziwei Liu and Qifeng Chen},
journal= {arXiv preprint arXiv:2305.14207},
year = {2023}
}
备注
Technical report of Segment Any RGBD. Project url: https://github.com/Jun-CEN/SegmentAnyRGBD