Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.01685

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2501.01685 (cs)
[提交于 2025年1月3日 ]

标题: IAM:通过新基准增强RGB-D实例分割

标题: IAM: Enhancing RGB-D Instance Segmentation with New Benchmarks

Authors:Aecheon Jung, Soyun Choi, Junhong Min, Sungeun Hong
摘要: 图像分割是提供人类辅助并在日常生活中增强自主性的重要任务。 特别是,RGB-D分割——利用视觉和深度线索——因其比仅使用RGB的方法能提供更丰富的场景理解而受到越来越多的关注。 然而,大多数现有的研究主要集中在语义分割上,因此留下了一个关键的空白。 实例级别的RGB-D分割数据集相对稀缺,这使得当前方法只能进行广泛的类别区分,而不是充分捕捉识别单个物体所需的细粒度细节。 为了弥补这一差距,我们引入了三个在实例级别上有所区别的RGB-D实例分割基准。 这些数据集具有通用性,支持从室内导航到机器人操作的广泛应用。 此外,我们在这些基准上对各种基线模型进行了全面评估。 这项综合分析确定了它们的优势和不足,为未来的研究指明了更加稳健、可推广的方向。 最后,我们提出了一种简单但有效的RGB-D数据整合方法。 大量评估验证了我们方法的有效性,为实现更细致的场景理解提供了稳健的框架。
摘要: Image segmentation is a vital task for providing human assistance and enhancing autonomy in our daily lives. In particular, RGB-D segmentation-leveraging both visual and depth cues-has attracted increasing attention as it promises richer scene understanding than RGB-only methods. However, most existing efforts have primarily focused on semantic segmentation and thus leave a critical gap. There is a relative scarcity of instance-level RGB-D segmentation datasets, which restricts current methods to broad category distinctions rather than fully capturing the fine-grained details required for recognizing individual objects. To bridge this gap, we introduce three RGB-D instance segmentation benchmarks, distinguished at the instance level. These datasets are versatile, supporting a wide range of applications from indoor navigation to robotic manipulation. In addition, we present an extensive evaluation of various baseline models on these benchmarks. This comprehensive analysis identifies both their strengths and shortcomings, guiding future work toward more robust, generalizable solutions. Finally, we propose a simple yet effective method for RGB-D data integration. Extensive evaluations affirm the effectiveness of our approach, offering a robust framework for advancing toward more nuanced scene understanding.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2501.01685 [cs.CV]
  (或者 arXiv:2501.01685v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.01685
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Aecheon Jung [查看电子邮件]
[v1] 星期五, 2025 年 1 月 3 日 08:03:24 UTC (2,854 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs.CV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号