核心概念
提案手法INSTA-BEERは、初期セグメンテーションの誤差を推定し、その情報に基づいて洗練を行うことで、高速かつ正確な未知物体インスタンスセグメンテーションを実現する。
摘要
本研究では、INSTA-BEERと呼ばれる新しい誤差情報に基づくセグメンテーション洗練手法を提案している。INSTA-BEERは、初期セグメンテーションの誤差を四値メトリックの境界誤差として推定し、その情報を活用してセグメンテーションを洗練する。
具体的には以下の3つの主要コンポーネントから構成される:
- 初期セグメンテーション特徴抽出器: RGB-Dイメージと初期セグメンテーションから特徴を抽出する。
- 誤差推定器: 初期セグメンテーションの四値メトリックの境界誤差を推定する。
- 誤差情報に基づく洗練器: 推定された誤差情報を活用して、セグメンテーションを洗練する。
この誤差情報に基づく洗練アプローチにより、INSTA-BEERは過剰分割や過小分割の問題を効果的に解決できる。
包括的な評価実験の結果、INSTA-BEERは既存の手法と比べて高精度かつ高速なセグメンテーション性能を示した。さらに、実世界のロボット把握タスクでも性能向上を実証した。
統計資料
提案手法INSTA-BEERは、初期セグメンテーションの誤差を四値メトリックの境界誤差として推定し、その情報に基づいて洗練を行う。
INSTA-BEERは、OCID、OSD、WISDOM各データセットにおいて、既存の洗練手法と比較して平均で6.9%、6.0%、5.6%の性能向上を達成した。
INSTA-BEERの推論時間は約0.1秒と高速である。
引述
"INSTA-BEERは、初期セグメンテーションの誤差を四値メトリックの境界誤差として推定し、その情報に基づいて洗練を行う。"
"INSTA-BEERは、OCID、OSD、WISDOM各データセットにおいて、既存の洗練手法と比較して平均で6.9%、6.0%、5.6%の性能向上を達成した。"
"INSTA-BEERの推論時間は約0.1秒と高速である。"