助力物体级SLAM！实例分割+重识别的few-shot新基准+新基线！

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&