局所マッチから大域マスクへ：テンプレート誘導によるオープンワールド場面でのインスタンス検出とセグメンテーション
From Local Matches to Global Masks: Template-Guided Instance Detection and Segmentation in Open-World Scenes
テンプレート画像とのパッチ単位の密なマッチングで候補点を生成し、選別後にSAMをプロンプトして、未知環境中の特定物体インスタンスを検出・セグメンテーションする手法を提案。
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: Qifan Zhang, Sai Haneesh Allu, Jikai Wang, Yangxiao Lu, Yu Xiang
分類: cs.CV, cs.RO
原文アブストラクト
Detecting and segmenting novel object instances in open-world environments is a fundamental problem in robotic perception. Given only a small set of template images, a robot must locate and segment a specific object instance in a cluttered, previously unseen scene. Existing proposal-based approaches are highly sensitive to proposal quality and often fail under occlusion and background clutter. We propose L2G-Det, a local-to-global instance detection framework that bypasses explicit object proposals by leveraging dense patch-level matching between templates and the query image. Locally matched patches generate candidate points, which are refined through a candidate selection module to suppress false positives. The filtered points are then used to prompt an augmented Segment Anything Model (SAM) with instance-specific object tokens, enabling reliable reconstruction of complete instance masks. Experiments demonstrate improved performance over proposal-based methods in challenging open-world settings.
関連論文
- モバイル環境向けリアルタイム並列フーバラ検出・セグメンテーションによる野生動物保護検出・セグメンテーション
- 事前学習済み視覚モデルを新規インスタンス検出・セグメンテーションに適応検出・セグメンテーション
- DeepHAZMAT: 限られた計算資源での危険物標識の検出とセグメンテーション検出・セグメンテーション
