インスタンス誘導によるロボット意味セグメンテーションのための教師なしドメイン適応
Instance-Guided Unsupervised Domain Adaptation for Robotic Semantic Segmentation
3Dマップから多視点一貫性のある擬似ラベルを生成し、基盤モデルのゼロショットインスタンスセグメンテーションで補正することで、実環境でのロボットの意味セグメンテーションを教師なしで適応させる手法を提案。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Michele Antonazzi, Lorenzo Signorelli, Matteo Luperto, Nicola Basilico
分類: cs.RO
原文アブストラクト
Semantic segmentation networks, which are essential for robotic perception, often suffer from performance degradation when the visual distribution of the deployment environment differs from that of the source dataset on which they were trained. Unsupervised Domain Adaptation (UDA) addresses this challenge by adapting the network to the robot's target environment without external supervision, leveraging the large amounts of data a robot might naturally collect during long-term operation. In such settings, UDA methods can exploit multi-view consistency across the environment's map to fine-tune the model in an unsupervised fashion and mitigate domain shift. However, these approaches remain sensitive to cross-view instance-level inconsistencies. In this work, we propose a method that starts from a volumetric 3D map to generate multi-view consistent pseudo-labels. We then refine these labels using the zero-shot instance segmentation capabilities of a foundation model, enforcing instance-level coherence. The refined annotations serve as supervision for self-supervised fine-tuning, enabling the robot to adapt its perception system at deployment time. Experiments on real-world data demonstrate that our approach consistently improves performance over state-of-the-art UDA baselines based on multi-view consistency, without requiring any ground-truth labels in the target domain.
関連論文
- COARSE: 粗い実ラベルを用いた協調的疑似ラベリングによるオフロード意味セグメンテーション意味セグメンテーション
- ハイパースペクトル画像を用いた非構造・未知環境マッピングのためのリアルタイム意味セグメンテーション意味セグメンテーション
- FarSee-Net：効率的なマルチスケール文脈集約と特徴空間超解像によるリアルタイム意味セグメンテーション意味セグメンテーション
- RGBDセンシングによる意味セグメンテーションのための逐次的クラス発見意味セグメンテーション
- 強化学習による屋内シーンの意味セグメンテーション意味セグメンテーション
