日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ビデオ物体分割arXiv:2604.07901

PanoSAM2: 360度ビデオ物体分割のためのSAM2の軽量な歪み・メモリ適応

PanoSAM2: Lightweight Distortion- and Memory-aware Adaptions of SAM2 for 360 Video Object Segmentation

シェア:XThreadsFacebookLINEはてブBluesky

360度ビデオ物体分割のためのSAM2の軽量な歪み・メモリ適応手法を提案し、投影歪みや左右の意味的不整合、メモリ内の物体情報の疎さを解決する。

詳しい要約

1. どんなもの?

- 360 video object segmentation (360VOS) のための新しいフレームワーク PanoSAM2 を提案。 - SAM2 をベースに、軽量な歪み対応とメモリ対応の適応戦略を導入。 - 360度動画の投影歪みや左右の意味的不整合、メモリ内の物体マスクの疎性に対処。 - ユーザーフレンドリーなプロンプティング設計を維持しつつ、信頼性の高いセグメンテーションを実現。

2. 先行研究と比べてどこがすごい?

- 既存の SAM2 を直接 360VOS に適用すると、投影歪みや左右の意味的不整合、メモリの物体マスク疎性により不適切な結果が生じる。 - PanoSAM2 はこれらの問題に対処する軽量な適応戦略を導入し、SAM2 を大幅に上回る性能を達成。 - 具体的には 360VOTS で +5.6、PanoVOS で +6.7 の改善。

3. 技術・手法の肝は?

- Pano-Aware Decoder: seam-consistent receptive fields と iterative distortion refinement により、0/360度境界の連続性を維持。 - Distortion-Guided Mask Loss: 歪みの大きさに基づいてピクセルに重み付けし、引き伸ばされた領域や境界を強調。 - Long-Short Memory Module: コンパクトな長期物体ポインタを維持し、短期メモリを再インスタンス化・整列することで時間的一貫性を強化。

4. どうやって有効だと検証した?

- 広範な実験により、PanoSAM2 が SAM2 に対して 360VOTS で +5.6、PanoVOS で +6.7 の大幅な性能向上を示すことを確認。 - これにより手法の有効性を実証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- SAM2 (Segment Anything Model 2) - 360VOS に関する既存研究(具体的な論文名は要旨に記載なし) - 関連するデータセット: 360VOTS, PanoVOS

※ 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: Dingwen Xiao, Weiming Zhang, Shiqi Wen, Lin Wang

分類: cs.CV

原文アブストラクト

360 video object segmentation (360VOS) aims to predict temporally-consistent masks in 360 videos, offering full-scene coverage, benefiting applications, such as VR/AR and embodied AI. Learning 360VOS model is nontrivial due to the lack of high-quality labeled dataset. Recently, Segment Anything Models (SAMs), especially SAM2 -- with its design of memory module -- shows strong, promptable VOS capability. However, directly using SAM2 for 360VOS yields implausible results as 360 videos suffer from the projection distortion, semantic inconsistency of left-right sides, and sparse object mask information in SAM2's memory. To this end, we propose PanoSAM2, a novel 360VOS framework based on our lightweight distortion- and memory-aware adaptation strategies of SAM2 to achieve reliable 360VOS while retaining SAM2's user-friendly prompting design. Concretely, to tackle the projection distortion and semantic inconsistency issues, we propose a Pano-Aware Decoder with seam-consistent receptive fields and iterative distortion refinement to maintain continuity across the 0/360 degree boundary. Meanwhile, a Distortion-Guided Mask Loss is introduced to weight pixels by distortion magnitude, stressing stretched regions and boundaries. To address the object sparsity issue, we propose a Long-Short Memory Module to maintain a compact long-term object pointer to re-instantiate and align short-term memories, thereby enhancing temporal coherence. Extensive experiments show that PanoSAM2 yields substantial gains over SAM2: +5.6 on 360VOTS and +6.7 on PanoVOS, showing the effectiveness of our method.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI