作者:泡椒味的口香糖 | 来源:计算机视觉工坊
在公众号「计算机视觉工坊」后台,回复「原论文」可获取论文pdf、代码链接
添加微信:dddvisiona,备注:SLAM,拉你入群。文末附行业细分群
1. 笔者个人体会
物体级SLAM需要做场景的目标检测/实例分割,还有相同物体的重识别,用一个模型同时实现实例分割和重识别比较困难。而且传统模型需要预定义好的目标类别,或者只能识别动态物体。现在很多物体级SLAM的工程落地都需要能够识别场景中的所有物体,但如果遇到一个新目标就重新训练的话,成本太高了,所以zero-shot、one-shot、few-shot就非常重要。
今天笔者将带领大家阅读ETHZ的最近开源工作ISAR,包括一个few-shot实例分割数据集,以及一个同时实现实例分割和重识别的few-shot新baseline,ISAR这个名字也是取自实例分割和重识别的首字母。
当然笔者水平有限,如果有理解不当的地方,欢迎大家一起讨论
2. 摘要
今天使用的大多数对象级建图系统利用上游学习对象实例分割模型。如果我们想教他们一个新的对象或分割类,我们需要建立一个大型数据集,并重新训练系统。为了构建可以快速学习新对象的空间AI系统,我们需要有效地解决single-shot目标检测、实例分割和重新识别的问题。到目前为止&