Single-Shot Refinement Neural Network for Object Detection
CBSR & NLPR, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室与北方激光技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；GE Global Research（通用电气全球研究院）
对于目标检测，两阶段方法（例如，更快的R-CNN）已经实现了最高的准确性，而一阶段方法（例如，SSD）具有高效率的优点。为了继承两者的优点，同时克服它们的缺点，在本文中，我们提出了一种新的基于单次拍摄的检测器，称为Refinedet，它比两阶段方法实现了更好的准确性，并保持了一阶段方法的可比效率。Refinedet由两个相互连接的模块组成，即锚细化模块和目标检测模块。具体而言，前者旨在（1）过滤掉负锚点以减少分类器的搜索空间，以及（2）粗略地调整锚点的位置和大小以为后续回归量提供更好的初始化。后一个模块将改进的锚作为前一个模块的输入，以进一步改进回归并预测多类标签。同时，我们设计了一个传输连接模块，用于传输锚点细化模块中的特征，以预测目标检测模块中目标的位置、大小和类别标签。多任务损失函数使我们能够以端到端的方式对整个网络进行训练。在PASCAL VOC 2007、PASCAL VOC 2012和MS COCO上进行的大量实验表明，Refinedet可以高效地实现最先进的检测精度。代码可在https://github.com/sfzhang15/RefineDet上获得
2018-01-03 cs.CV
DiffRef3D: A Diffusion-based Proposal Refinement Framework for 3D Object Detection
Korea Advanced Institute of Science and Technology（韩国科学技术院）
本文提出DiffRef3D框架，首次将扩散过程应用于点云3D目标检测，将两阶段检测器的提案优化建模为条件扩散过程，通过迭代去噪生成准确边界框，在KITTI基准上显著提升了现有模型性能。
2023-10-25 cs.CV
Region Refinement Network for Salient Object Detection
The Chinese University of Hong Kong（香港中文大学）；John Hopkins University（约翰·霍普金斯大学）；Tencent（腾讯）
虽然已经深入研究，但错误预测和边界不清晰仍然是显著目标检测的主要问题。在本文中，我们提出了一个区域细化网络（RRN），它递归地过滤冗余信息和显式模型的边界信息的显着性检测。与现有的细化方法不同，我们提出了一个区域细化模块（RRM），通过在中间细化阶段加入监督注意力掩模来优化显著区域预测。该模块只带来了模型大小的微小增加，但显着减少了来自背景的错误预测。为了进一步细化边界区域，我们提出了一个边界细化损失（BRL），增加了额外的监督，以更好地区分前景和背景。BRL是无参数的，易于训练。我们进一步观察到，BRL通过细化边界有助于保持预测的完整性。在显着性检测数据集上的大量实验表明，我们的细化模块和损失带来了显着的改善基线，可以很容易地应用到不同的框架。我们还证明，我们提出的模型推广以及肖像分割和阴影检测任务。
2022-10-09 cs.CV
Multispectral Fusion for Object Detection with Cyclic Fuse-and-Refine Blocks
Univ Rennes（雷恩大学）；IRISA（法国国家信息与自动化研究所雷恩分院（雷恩信息系统与随机系统研究所））；Univ Bretagne Sud（南布列塔尼大学）；ATERMES company（ATERMES公司）；Inria（法国国家信息与自动化研究所）
多光谱图像（例如可见光和红外）在不同环境（例如白天/夜晚户外场景）中检测具有相同模型的对象时可能特别有用。为了有效地利用不同的光谱，主要的技术问题在于信息融合过程。在本文中，我们提出了一种新的中途功能融合方法，神经网络，利用互补性/一致性平衡存在于多光谱功能添加到网络架构，一个特定的模块，循环融合和细化每个光谱功能。我们评估我们的融合方法的有效性，两个具有挑战性的多光谱数据集的目标检测。我们的研究结果表明，与其他最先进的多光谱目标检测方法相比，在任何网络中实施我们的循环融合和优化模块都可以提高两个数据集的性能。
2020-09-26 cs.CV
Multi-Scale Iterative Refinement Network for RGB-D Salient Object Detection
China University of Petroleum, Beijing Campus (CUP)（中国石油大学（北京））
利用RGB-D信息的广泛研究已被用于显著目标检测。然而，显着的视觉线索出现在不同的尺度和分辨率的RGB图像由于语义差距在不同的功能水平。同时，在跨模态深度图像和多尺度版本中也存在类似的显著模式。在RGB-D显著目标检测任务中，跨模态融合和多尺度细化仍然是一个悬而未决的问题。在本文中，我们首先引入自顶向下和自底向上的迭代细化架构，以利用多尺度特征，然后设计基于注意力的融合模块（ABF），以解决跨模态相关性。我们在七个公共数据集上进行了广泛的实验。实验结果表明了我们设计的方法的有效性
2022-01-24 cs.CV
Multi-Scale Positive Sample Refinement for Few-Shot Object Detection
Beihang University（北京航空航天大学）
Few-Shot目标检测（FSOD）帮助检测器适应训练实例较少的未知类，并且在手动注释耗时或数据采集受限时非常有用。与以前的尝试，利用Few-Shot分类技术，以促进FSOD，这项工作突出了处理尺度变化的问题，这是具有挑战性的，由于独特的样本分布的必要性。为此，我们提出了一个多尺度正样本细化（MPSR）的方法来丰富对象尺度FSOD。它生成多尺度正样本作为对象金字塔，并在各种尺度上细化预测。我们通过将其作为辅助分支集成到具有FPN的Faster R-CNN的流行架构中来展示其优势，从而提供强大的FSOD解决方案。在PASCAL VOC和MS COCO上进行的实验表明，该方法取得了最新的结果，并明显优于其他同行，这表明了它的有效性。代码可在https://github.com/jiaxi-wu/MPSR上获得。
2020-07-18 cs.CV
CODE: Cross-Modal Calibration and Dynamic Suppression for Open World Object Detection
Beijing Institute of Technology（北京理工大学）
本文针对开放世界目标检测的语义歧义与过度抑制问题，提出含三个互补组件的CODE框架，在真实世界检测基准上超越此前最优方法。
2026-08-28 cs.CV
Refine and Represent: Region-to-Object Representation Learning
Berkeley AI Research（伯克利人工智能研究院）；Panasonic R&D Company of America（松下美国研发公司）；Panasonic Holdings Co.（松下控股公司）
自监督学习的最新研究成果通过使用以对象为中心或基于区域的对应目标进行预训练，在场景级密集预测任务上表现出了很强的性能。在本文中，我们提出了区域到对象的表示学习（R2 O），它统一了基于区域和以对象为中心的预训练。R2 O通过训练编码器来动态地将基于区域的片段细化为以对象为中心的掩码，然后联合学习掩码内内容的表示。R2 O使用“区域细化模块”将使用区域级先验生成的小图像区域分组为更大的区域，这些区域往往通过聚类区域级特征来对应于对象。随着预训练的进行，R2 O遵循区域到对象的课程，该课程鼓励早期学习区域级别的功能，并逐渐发展到训练以对象为中心的表示。使用R2 O学习的表示导致PASCAL VOC（+0.7 mIOU）和Cityscapes（+0.4 mIOU）的语义分割以及MS COCO（+0.3 mask AP）上的实例分割的最新性能。此外，在ImageNet上进行预训练后，R2 O预训练模型能够在Caltech-UCSD Birds 200-2011数据集（+2.9 mIoU）上超越现有的无监督对象分割技术，而无需进一步训练。我们在https://github.com/KKallidromitis/r2o上提供了这项工作的代码/模型。
2022-12-20 cs.CV
CIR-Net: Cross-modality Interaction and Refinement for RGB-D Salient Object Detection
Beijing Jiaotong University（北京交通大学）；Nanyang Technological University（南洋理工大学）；Sun Yat-sen University（中山大学）；University of Chinese Academy of Sciences（中国科学院大学）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；Peng Cheng Laboratory（鹏城实验室）
针对RGB-D显著目标检测（SOD）任务中如何有效地捕获和利用跨通道信息的问题，提出了一种基于跨通道交互和细化的卷积神经网络（CNN）模型CIR-Net。对于跨模态交互，1）提出了渐进式注意力引导的整合单元以在编码器级中充分整合RGB-D特征表示，以及2）提出了收敛聚合结构，其经由解码器级中的重要性门控融合单元将RGB和深度解码特征流到对应的RGB-D解码流中。对于跨模态细化，我们在编码器和解码器之间插入细化中间件结构，其中RGB，深度和RGB-D编码器特征通过连续使用自模态注意力细化单元和跨模态加权细化单元来进一步细化。最后，在解码器阶段，利用逐步细化的特征预测显著图。在六个流行的RGB-D SOD基准上进行的大量实验表明，我们的网络在定性和定量方面都优于最先进的显着性检测器。
2022-10-06 cs.CV
Quantum-soft QUBO Suppression for Accurate Object Detection
The Pennsylvania State University（宾夕法尼亚州立大学）
非最大抑制（NMS）已经被默认地采用来去除冗余的目标检测数十年。它通过仅保留具有最高检测分数的图像M和与M的重叠率小于预定义阈值的图像来消除假阳性。然而，这种贪心算法可能不能很好地用于遮挡场景下的目标检测，其中具有较低检测分数的真阳性可能被抑制。在本文中，我们首先映射到二次无约束二进制优化（QUBO）的框架，其中包括检测得分从每个限界框和边界框之间的重叠率的任务，去除冗余检测。接下来，我们使用所提出的量子软QUBO抑制（QSQS）算法来解决QUBO问题，以通过利用量子计算的优势进行快速准确的检测。实验结果表明，QSQS将PASCAL VOC 2007的平均精度从74.20%提高到75.11%。对于基准行人检测CityPersons的合理子集，它始终优于NMS和软NMS。
2020-07-28 cs.CV
M2RNet: Multi-modal and Multi-scale Refined Network for RGB-D Salient Object Detection
Nankai University（南开大学）；Peking University（北京大学）
显著目标检测是计算机视觉的一个基本课题。以往的基于RGB-D的特征融合方法存在多模态特征融合不兼容和多尺度特征聚合不足的问题。为了解决这两个难题，我们提出了一种新的多模态和多尺度细化网络（M2 RNet）。该网络有三个基本组成部分。嵌套的双重注意模块（NDAM）明确地利用RGB和深度流的组合特征。相邻交互式聚合模块（AIAM）逐步整合高、中、低三层的邻居特征。联合混合优化损失（JHOL）使预测具有突出的轮廓。大量的实验表明，我们的方法优于其他国家的最先进的方法。
2021-09-16 cs.CV
siaNMS: Non-Maximum Suppression with Siamese Networks for Multi-Camera 3D Object Detection
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）
自动驾驶汽车中嵌入式硬件的快速发展扩大了其计算能力，从而有可能安装更完整的传感器设置，以处理更复杂的驾驶场景。因此，必须解决诸如对同一物体的多次检测的新挑战。在这项工作中，将连体网络集成到众所周知的3D对象检测器方法的管道中，以通过重新识别来抑制来自不同相机的重复建议。此外，利用关联来通过聚合其对应的LiDAR平截头体来增强对象的3D盒回归。在nuScenes数据集上的实验结果表明，该方法优于传统的NMS方法。
2020-02-19 cs.CV
FR-DETR: Frequency and Recurrent Feature Refinement for Robust Object Detection under Adverse Weather
FPT Software AI Center（FPT软件人工智能中心）；VNU University of Engineering and Technology（VNU科技大学）
提出FR-DETR检测器中心框架，通过频率细化模块和循环聚焦细化模块在特征层面增强感兴趣区域，实现恶劣天气下高效高精度目标检测。
2026-06-29 cs.CV
Detecting Objects with Context-Likelihood Graphs and Graph Refinement
TomTom（TomTom公司）；University of Amsterdam（阿姆斯特丹大学）
本文提出上下文似然图及基于能量模型的迭代图精炼，通过联合学习物体与关系分布提升检测性能，并在 Visual Genome 和 MS-COCO 上验证其优势。
2023-09-27 cs.CV
Dynamic Refinement Network for Oriented and Densely Packed Object Detection
Institute of Automation, CAS（中国科学院自动化研究所）；School of Artificial Intelligence, UCAS（中国科学院大学人工智能学院）；Youtu Lab, Tencent（腾讯优图实验室）；CASIA-LLVision Joint Lab（中国科学院自动化研究所-联汇视界联合实验室）；Y-Tech, Kuaishou Technology（快手科技Y-Tech）
目标检测在过去的十年中取得了显著的进展。然而，由于以下固有原因，定向和密集包装的对象的检测仍然具有挑战性：（1）神经元的感受野都是轴对齐的并且具有相同的形状，而对象通常具有不同的形状并且沿着不同的方向对齐;（2）检测模型通常是用一般知识训练的，并且在测试时可能不能很好地泛化以处理特定对象;（3）数据量有限，制约了本课题的开展。为了解决前两个问题，我们提出了一个动态精化网络，它由两个新的组件组成，即，特征选择模块（FSM）和动态细化头（DRH）。我们的FSM使神经元能够根据目标对象的形状和方向调整感受野，而DRH使我们的模型能够以对象感知的方式动态地改进预测。为了解决相关基准的有限可用性，我们收集了一个广泛的和完全注释的数据集，即SKU 110 K-R，它是基于SKU 110 K的定向边界框重新标记的。我们对几个公开的基准进行了定量评估，包括DOTA，HRSC 2016，SKU 110 K和我们自己的SKU 110 K-R数据集。实验结果表明，我们的方法实现了一致的和实质性的收益相比，基线方法。代码和数据集可在https://github.com/Anymake/DRN_CVPR2020上获得。
2020-06-10 cs.CV
D$^3$R-DETR: DETR with Dual-Domain Density Refinement for Tiny Object Detection in Aerial Images
Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空信息研究所）；Key Laboratory of Technology in Geo-Spatial Information Processing and Application System, Chinese Academy of Sciences（中国科学院地理空间信息处理与应用系统重点实验室）；Key Laboratory of Target Cognition and Application Technology, Chinese Academy of Sciences（中国科学院目标认知与应用技术重点实验室）；School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院）
D$^3$R-DETR通过双域密度细化提升DETR模型在航空图像中微小目标检测的精度与效率
2026-01-06 cs.CV
Reinforced Axial Refinement Network for Monocular 3D Object Detection
Tsinghua University（清华大学）；State Key Lab of Intelligent Technologies and Systems（智能技术与系统国家重点实验室）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）；Huawei Inc.（华为公司）
单目3D目标检测的目的是从2D输入图像中提取目标的3D位置和属性。这是一个不适定问题，主要困难在于深度不可知相机的信息丢失。传统的方法从空间中采样3D边界框并推断目标对象与它们中的每一个之间的关系，然而，在3D空间中有效样本的概率相对较小。为了提高采样效率，我们建议从初始预测开始，并逐渐向地面真相进行改进，每一步只改变一个3d参数。这就需要设计一个经过几个步骤后得到奖励的策略，因此我们采用强化学习来优化它。所提出的框架，强化轴向细化网络（RAR-Net），作为一个后处理阶段，可以自由地集成到现有的单目3D检测方法中，并以很小的额外计算成本提高KITTI数据集上的性能。
2020-08-31 cs.CV
Multiple Instance Detection Network with Online Instance Classifier Refinement
Huazhong University of Science and Technology（华中科技大学）
近年来，弱监督目标检测在目标识别中具有重要的意义。基于深度学习，弱监督检测器已经取得了许多有希望的结果。然而，与全监督检测相比，以弱监督方式训练基于深度网络的检测器更具挑战性。在这里，我们将弱监督检测公式化为多实例学习（MIL）问题，其中实例分类器（对象检测器）作为隐藏节点放入网络中。我们提出了一种新的在线实例分类器细化算法，将MIL和实例分类器细化过程集成到单个深度网络中，并仅使用图像级监督对网络进行端到端的训练，即，而没有对象位置信息。更准确地说，从弱监督推断的实例标签被传播到它们的空间重叠的实例，以在线改进实例分类器。迭代实例分类器细化过程使用深度网络中的多个流来实现，其中每个流监督其后面的流。弱监督目标检测实验进行了具有挑战性的PASCAL VOC 2007年和2012年的基准。我们获得了47%的mAP的VOC 2007年，显着优于以前的国家的最先进的。
2017-04-01 cs.CV
Object-Guided Instance Segmentation With Auxiliary Feature Refinement for Biological Images
Rutgers University（罗格斯大学）；Tencent Hippocrates Research Labs（腾讯希波克拉底研究实验室）；Lieber Institute for Brain Development（利伯大脑发育研究所）
实例分割在许多生物学应用中具有重要意义，如神经细胞相互作用的研究、植物表型分析以及定量测量细胞对药物处理的反应等。本文提出了一种新的基于框的实例分割方法。基于框的实例分割方法通过边界框捕获对象，然后在每个限界框区域内执行单独的分割。然而，现有的方法很难区分目标从它的相邻物体在同一个限界框区域内，由于它们的相似的纹理和低对比度的边界。针对这一问题，本文提出了一种基于对象引导的实例分割方法。我们的方法首先检测对象的中心点，然后预测的限界框参数。为了执行分割，对象引导的粗到细分割分支与检测分支一起构建。分割分支重用对象特征作为指导，以将目标对象与同一限界框区域内的相邻对象分离。为了进一步提高分割质量，我们设计了一个辅助特征细化模块，该模块在边界区域中密集采样和细化逐点特征。在三个生物图像数据集上的实验结果证明了该方法的优越性。该代码将在https://github.com/yijingru/ObjGuided-Instance-Segmentation上提供。
2021-06-14 cs.CV
Hashing-based Non-Maximum Suppression for Crowded Object Detection
Microsoft（微软）
在本文中，我们提出了一种算法，命名为基于散列的非最大值抑制（HNMS），以有效地抑制非最大值盒的目标检测。非最大值抑制（NMS）是一个必不可少的组成部分，以抑制盒在接近位置的相似形状。当盒子的数量变大时，时间成本往往是巨大的，特别是对于拥挤的场景。HNMS的基本思想是首先将每个盒子映射到一个离散的代码（哈希单元），然后如果它们在同一个单元中，则删除具有较低置信度的盒子。考虑到交叉联合（IoU）作为度量，我们提出了一个简单而有效的哈希算法，名为IoUHash，它保证了同一单元格内的盒子足够接近的IoU下限。对于两阶段检测器，我们用HNMS代替区域建议网络中的NMS，并观察到显著的速度提高，具有可比的精度。对于单级检测器，HNMS被用作预滤波器，以加快抑制，具有较大的裕度。在CARPK、KNN-110 K、CrowdHuman数据集上进行了大量的实验，以证明HNMS的效率和有效性。代码在\url{https://github.com/microsoft/hnms.git}发布。
2020-05-22 cs.CV
Progressively Guided Alternate Refinement Network for RGB-D Salient Object Detection
Yangzhou University（扬州大学）；Northeastern University（东北大学）
在本文中，我们的目标是开发一种高效紧凑的深度网络，用于RGB-D显著目标检测，其中深度图像提供补充信息，以提高复杂场景中的性能。从多尺度残差块的粗略初始预测开始，我们提出了一个渐进引导的交替细化网络来细化它。我们首先通过从头开始学习来构建一个轻量级的深度流，而不是使用ImageNet预先训练的骨干网络，它可以更有效地提取互补特征，并且冗余更少。然后，不同于现有的基于融合的方法，RGB和深度特征被交替地馈送到建议的引导残差（GR）块中，以减少它们的相互退化。通过在每个侧输出内的堆叠GR块中分配渐进引导，可以很好地补救错误检测和丢失部分。在七个基准数据集上进行的大量实验表明，我们的模型在很大程度上优于现有的最先进的方法，并且在效率（71 FPS）和模型大小（64.9 MB）方面也表现出优越性。
2020-08-17 cs.CV
Few-Shot Object Detection with Proposal Balance Refinement
Korea University（高丽大学）
近年来，Few-Shot目标检测得到了极大的关注，因为它有可能大大减少对大量手动注释边界框的依赖。虽然大多数现有的Few-Shot目标检测文献主要集中在限界框分类，通过获得尽可能有区别的特征嵌入，我们强调处理缺乏交叉-联合（IoU）的变化引起的新样本的有偏分布的必要性。在本文中，我们分析了由相对大量的低质量区域提案引起的IoU不平衡，并揭示了它在提高少样本学习能力方面起着至关重要的作用。众所周知的两阶段微调技术导致新的正样本的质量和数量不足，这阻碍了未见过的新类别的有效目标检测。为了缓解这个问题，我们提出了一个Few-Shot目标检测模型与建议平衡细化，一个简单而有效的方法在学习对象的建议，使用辅助顺序限界框细化过程。这个过程使检测器能够通过额外的新类样本在各种IoU分数上进行优化。为了充分利用我们的顺序阶段架构，我们修改了微调策略，并将区域建议网络暴露给新的类，以便为感兴趣区域（RoI）分类器和回归器提供更多的学习机会。我们对PASCAL VOC和COCO的广泛评估表明，我们的框架大大优于其他现有的Few-Shot目标检测方法。
2022-04-22 cs.CV
Noisy Annotation Refinement for Object Detection
The University of Tokyo（东京大学）
对象检测器的监督训练需要注释良好的大规模数据集，其生产成本很高。因此，已经做出了一些努力来以经济的方式获得注释，例如云采购。然而，通过这些方法获得的数据集往往包含噪声注释，例如不准确的边界框和不正确的类标签。在这项研究中，我们提出了一个新的问题设置训练对象检测器的数据集与纠缠噪声的注释类标签和边界框。我们提出的方法有效地消除了纠缠噪声，纠正了嘈杂的注释，并随后使用纠正的注释训练检测器。我们验证了我们所提出的方法的有效性，并将其与具有不同噪声水平的噪声数据集的基线进行了比较。实验结果表明，我们提出的方法显着优于基线。
2021-12-07 cs.CV
Enhancing Quantum-ready QUBO-based Suppression for Object Detection with Appearance and Confidence Features
Institute of Integrated Research, Institute of Science Tokyo（东京科学大学综合研究所）；Kyushu University（九州大学）
本文提出在QUBO抑制框架中引入外观相似度特征与置信度乘积特征，以区分遮挡与冗余预测，在几乎不增加运行时间的情况下显著提升目标检测的mAP和mAR。
2025-02-05 cs.CV
Video Salient Object Detection via Adaptive Local-Global Refinement
The Chinese University of Hong Kong（香港中文大学）；Shenzhen University（深圳大学）
视频显著目标检测（VSOD）是许多视觉应用中的重要任务。可靠的VSOD需要同时利用来自空间域和时间域的信息。现有的算法大多采用简单的融合策略，如加法、拼接等，对不同领域的信息进行融合。尽管它们的简单性，这样的融合策略可能会引入特征冗余，也未能充分利用从空间域和时间域提取的多层次特征之间的关系。在本文中，我们提出了一个自适应的局部-全局细化框架VSOD。与以往的方法不同，本文提出了一种局部细化和全局细化的结构，对不同范围的简单融合特征进行细化，充分挖掘了多层次特征的局部依赖性和全局依赖性。此外，为了突出有效信息，抑制无用信息，设计了一种基于图卷积神经网络（GCN）的自适应加权机制。我们表明，我们的加权方法可以进一步利用特征相关性，从而驱动网络学习更具鉴别力的特征表示。在公开视频数据集上的大量实验结果证明了该方法的优越性。
2021-05-12 cs.CV
Adaptive Base-class Suppression and Prior Guidance Network for One-Shot Object Detection
Zhejiang University（浙江大学）；Tencent（腾讯）
单次目标检测（OSOD）旨在检测查询图像指定的给定类别的所有对象实例。现有的OSOD研究大多致力于探索有效的跨图像关联，缓解语义特征错位，但忽略了模型偏向于基类和泛化能力下降的现象。观察到这一点，我们提出了一种新的框架，即基本类抑制和事先指导（BSPG）网络来克服这个问题。具体地说，基类的对象可以明确地检测到的基类预测器和自适应消除我们的基类抑制模块。此外，设计了先验引导模块，以非参数方式计算高层特征之间的相关性，生成与类别无关的先验图，为目标特征提供丰富的语义线索，指导后续的检测过程。配备了建议的两个模块，我们赋予模型具有很强的区分能力，区分目标对象属于基类的干扰。大量的实验表明，我们的方法优于以前的技术，由一个大的利润率，并实现了新的国家的最先进的性能在各种评估设置。
2023-03-24 cs.CV
Multi-Projection Fusion and Refinement Network for Salient Object Detection in 360° Omnidirectional Image
显著目标检测（SOD）的目的是确定图像中最具视觉吸引力的目标。随着虚拟现实技术的发展，360°全景图像得到了广泛的应用，但由于360°全景图像失真严重、场景复杂，其SOD任务研究较少。本文提出了一种多投影融合细化网络（MPFR-Net）来检测360°全景图像中的显著目标。与现有方法不同的是，该方法将等矩形投影图像和对应的4幅立方体展开图像同时作为输入嵌入网络，立方体展开图像不仅为等矩形投影图像提供了补充信息，而且保证了立方体映射投影的对象完整性。为了充分利用这两种投影模式，设计了动态加权融合模块，从帧间和帧内特征的角度，以互补和动态的方式自适应地融合不同投影的特征。此外，为了充分探索编码器和解码器特征之间的交互方式，设计了过滤和细化（FR）模块来抑制特征本身与特征之间的冗余信息。在两个全向数据集上的实验结果表明，该方法在定性和定量上都优于现有的方法。
2022-12-23 cs.CV
Context-Integrated and Feature-Refined Network for Lightweight Object Parsing
Hunan University（湖南大学）；State University of New York at Buffalo（纽约州立大学布法罗分校）
用于轻量级对象解析的语义分割是非常具有挑战性的任务，因为准确性和效率（例如，执行速度、存储器占用或计算复杂性）都应该被考虑。然而，以往的研究大多只关注精度或速度的片面性，而忽略了其他方面，这对智能设备的实际需求造成了很大的限制。为了解决这一难题，我们提出了一种新的轻量级架构命名为上下文集成和数据库细化网络（CIFReNet）。CIFReNet的核心组件是Long-skip Refinement Module（LRM）和Multi-scale Context Integration Module（MCIM）。LRM旨在简化低级和高级阶段之间的空间信息传播。在长跳学习过程中引入通道注意力机制，提高了低层特征精化的质量。同时，MCIM由三个级联的密集语义金字塔（DSP）块与图像级的功能，这是编码多个上下文信息，扩大视野。具体而言，建议的DSP块利用密集特征采样策略来增强信息表示，而不会显着增加计算成本。在Cityscapes、CamVid和Helen三个基准数据集上进行了全面的对象解析实验。如上所述，与其他最先进的方法相比，所提出的方法在准确性和效率之间达到了更好的折衷。
2020-02-25 cs.CV
Background Activation Suppression for Weakly Supervised Object Localization
University of Science and Technology of China（中国科学技术大学）；Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
弱监督对象定位（WSOL）旨在仅使用图像级标签来定位对象。最近出现了一种新的范例，通过生成前景预测图（FPM）来实现定位任务。现有的基于FPM的方法使用交叉熵（CE）来评估前景预测图并指导生成器的学习。我们主张使用激活值来实现更有效的学习。它是基于实验观察，对于一个训练有素的网络，CE收敛到零时，前景掩模只覆盖部分的对象区域。而激活值增加，直到遮罩扩展到对象边界，这表明使用激活值可以学习更多的对象区域。在本文中，我们提出了一种背景激活抑制（BAS）方法。具体而言，激活映射约束模块（AMC）的设计，以促进通过抑制背景激活值的发生器的学习。同时，通过前景区域引导和面积约束，BAS可以学习对象的整个区域。在推理阶段，我们将不同类别的预测图放在一起考虑，以获得最终的定位结果。大量的实验表明，BAS实现了显着的和一致的改进，在CUB-200-2011和ILSVRC数据集上的基线方法。代码和型号可在https://github.com/wpy1999/BAS上获得。
2022-04-02 cs.CV
RefineVIS: Video Instance Segmentation with Temporal Attention Refinement
Microsoft Cloud and AI（微软云计算与人工智能部门）
本文提出 RefineVIS 视频实例分割框架，通过分离关联与分割表征、对比学习及时序注意力优化模块，支持在线与离线推理，并在多个基准上达到最先进精度。
2023-06-07 cs.CV
Domain-Specific Suppression for Adaptive Object Detection
Cambricon Technologies（寒武纪科技）；University of Chinese Academy of Sciences（中国科学院大学）
在目标检测中，领域自适应方法面临性能下降，因为任务的复杂性对模型的可移植性要求更高。我们提出了一个新的观点，CNN模型如何获得可转移性，查看模型的权重作为一系列的运动模式。权值的方向和梯度可分为域特定方向和域不变方向，领域自适应的目标是集中于域不变方向，同时消除域特定方向的干扰。现有的UDA目标检测方法在优化时将两个方向视为一个整体，即使输出特征完全对齐，也会导致区域不变的方向失配。在本文中，我们提出了特定领域的抑制，一个示范性的和可推广的约束反向传播中的原始卷积梯度分离的两个部分的方向和抑制特定领域的。我们进一步验证了我们的理论分析和方法上的几个域自适应目标检测任务，包括天气，相机配置，和合成现实世界的适应。我们的实验结果表明，在国家的最先进的方法在UDA目标检测领域的显着进步，执行所有这些领域自适应情况下的$10.2\sim12.2\%$ mAP的提升。
2021-05-08 cs.CV
CamoSAM2: SAM2-oriented Prompt Auto-Refinement for Video Camouflaged Object Detection
National Key Laboratory of Fundamental Science on Synthetic Vision, Sichuan University（合成视觉基础科学国家重点实验室，四川大学）；College of Computer Science, Sichuan University（计算机学院，四川大学）
提出CamoSAM2框架，通过运动-外观提示诱导器和自适应多提示精化策略，自动生成并优化SAM2的提示，显著提升视频伪装目标检测性能。
2026-06-06 cs.CV
Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection
FZI Research Center for Information Technology（FZI信息技术研究中心）；Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院（KIT））
从单个RGB图像的平面分割领域的最新进展显示出很强的准确性改进，现在可以可靠地将室内场景分割成平面。尽管如此，这些分割掩模的细粒度细节仍然缺乏准确性，因此限制了这些技术在许多应用中的更大规模的可用性，例如用于增强现实用例的修复。我们提出了一个后处理算法，以对齐分割的平面掩模与图像中检测到的边缘。这使我们能够提高最先进方法的准确性，同时将自己限制在长方体形状的物体上。我们的方法是出于物流，其中这个假设是有效的和完善的飞机可以用来执行强大的目标检测，而不需要监督学习。两个基线的结果和我们的方法在我们自己的数据集上报告，我们公开提供。结果表明，在国家的最先进的一致的改善。的影响，事先分割和边缘检测的调查，最后，未来的研究领域提出了建议。
2020-03-28 cs.CV
Learning non-maximum suppression
Max Planck Institut für Informatik（马克斯·普朗克信息学研究所）
目标检测器从向端到端学习范式的转变中获益匪浅：建议、特征和分类器成为一个神经网络，将一般目标检测的结果提高了两倍。一个不可或缺的组件是非最大抑制（NMS），这是一种后处理算法，负责合并属于同一对象的所有检测。事实标准NMS算法仍然完全是手工制作的，简单得令人怀疑，并且--基于具有固定距离阈值的贪婪聚类--强制在召回率和精确率之间进行权衡。我们提出了一个新的网络架构，旨在执行NMS，只使用盒子和他们的分数。我们报告PETS和COCO数据集上的一般对象类别的人检测实验。我们的方法显示出提供改进的定位和遮挡处理的承诺。
2017-05-09 cs.CV
PGTRNet: Two-phase Weakly Supervised Object Detection with Pseudo Ground Truth Refinement
University of Warwick（华威大学）；Shanghai Jiao Tong University（上海交通大学）；Griffith University（格里菲斯大学）
当前的弱监督目标检测（WSOD）研究主要遵循两阶段训练策略，该策略将全监督检测器（FSD）与纯WSOD模型相结合。有两个主要问题阻碍了两阶段WSOD方法的性能，即，不充分的学习问题和FSD和由WSOD模型生成的伪真值（PGT）之间的严格依赖。本文提出了伪真值精化网络（PGTRNet），一个简单而有效的方法，不引入任何额外的学习参数，以应付这些问题。PGTRNet利用多个边界框来建立PGT，从而缓解了学习不足的问题。此外，我们提出了一种新的在线PGT细化方法，通过在第二阶段训练中充分利用FSD的能力，将第一阶段和第二阶段模型解耦，稳步提高PGT的质量。详细的实验进行PASCAL VOC 2007基准测试，以验证我们的方法的有效性。实验结果表明，PGTRNet提高了骨干模型的2.1%mAP，达到了最先进的性能。
2022-03-17 cs.CV
Uncertainty-Masked Bernoulli Diffusion for Camouflaged Object Detection Refinement
Tsinghua University（清华大学）；Duke University（杜克大学）；Dalian University of Technology（大连理工大学）
针对伪装目标检测后处理优化不足的问题，提出首个专用生成式优化框架UMBD，通过不确定性引导掩码机制结合HUQNet实现针对性优化，可适配多种现有COD模型，在多个基准上以低开销显著提升检测精度。
2025-06-12 cs.CV
Joint Anchor-Feature Refinement for Real-Time Accurate Object Detection in Images and Videos
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Peking University（北京大学）；Beihang University（北京航空航天大学）
目标检测已被积极研究多年，但快速准确地检测到真实世界的场景仍然是一个非常具有挑战性的问题。克服单级检测器的缺点，我们的目标是精确检测静态和时间场景中的目标在实时的。首先，作为一种双重细化机制，设计了一种新的锚点偏移检测，包括锚点细化，特征位置细化，和可变形的检测头。这种新的检测模式能够同时执行两步回归并捕获准确的对象特征。基于锚偏移检测，双细化网络（DRNet）的高性能的静态检测，其中多变形头进一步设计利用上下文信息描述对象。对于视频中的时间检测，通过跨时间传播细化信息，开发了时间细化网络（TRNet）和时间双重细化网络（TDRNet）。我们还提出了一种软细化策略，以在时间上匹配对象运动与以前的改进。我们提出的方法在PASCAL VOC，COCO和ImageNet VID数据集上进行了评估。静态和时间检测的广泛比较验证了DRNet，TRNet和TDRNet的优越性。因此，我们开发的方法以相当快的速度运行，同时实现了显着增强的检测精度，即，2007年VOC的mAP为84.4%，2012年VOC的mAP为83.6%，2017年VID的mAP为69.4%，COCO为42.4%。最终，产生令人鼓舞的结果，我们的方法被应用到在线水下目标检测和自主系统的把握。代码可在https://github.com/SeanChenxy/TDRN上公开获取。
2020-03-13 cs.CV cs.RO
Dual Refinement Feature Pyramid Networks for Object Detection
Chengdu Institute of Computer Application, Chinese Academy of Sciences（中国科学院成都计算机应用研究所）；University of Chinese Academy of Sciences（中国科学院大学）；IRIAI, Harbin Institute of Technology（哈尔滨工业大学IRIAI）
FPN是一种常用的目标检测器，它通过相邻层特征的插值和求和来补充多尺度信息。然而，由于存在非线性操作和具有不同输出维度的卷积层，不同级别之间的关系要复杂得多，逐像素求和不是一种有效的方法。本文首先从像素级和特征图级两个层面分析了设计缺陷。然后，我们设计了一种新的无参数的特征金字塔网络命名为双重细化特征金字塔网络（DRFPN）的问题。具体地说，DRFPN由两个模块组成：空间细化块（SRB）和信道细化块（CRB）。SRB根据相邻层之间的上下文信息学习采样点的位置和内容。CRB学习一种基于注意力机制的自适应信道合并方法。我们提出的DRFPN可以很容易地插入到现有的基于FPN的模型。在没有花里胡哨的情况下，对于两阶段检测器，我们的模型在COCO检测基准上的性能优于不同的基于FPN的同行1.6到2.2 AP，在COCO分割基准上的性能优于1.5到1.9 AP。对于一级检测器，当使用ResNet50作为骨干时，DRFPN将基于锚的RetinaNet提高了1.9 AP，无锚FCOS提高了1.3 AP。大量的实验验证了DRFPN的鲁棒性和泛化能力。该代码将公开提供。
2020-12-04 cs.CV
Patch-based Selection and Refinement for Early Object Detection
University of Minnesota（明尼苏达大学）；Arizona State University（亚利桑那州立大学）；Cornell University（康奈尔大学）
针对现有早期目标检测算法处理远距离小目标效果有限的问题，提出基于图像块选择与细化、融合Transformer网络和扩散模型的方法，在BDD100K上显著提升小目标检测精度并大幅降低计算数据量。
2023-11-03 cs.CV
Distilling Knowledge from Refinement in Multiple Instance Detection Networks
Federal University of Rio Grande do Sul（南里奥格兰德联邦大学）
弱监督目标检测（WSOD）的目的是解决目标检测的问题，只使用标记的图像类别作为监督。WSOD中用于处理缺乏本地化信息的常见方法是多实例学习，近年来，方法开始采用多实例检测网络（MIDN），它允许以端到端的方式进行训练。一般来说，这些方法的工作原理是从候选实例池中选择最佳实例，然后根据相似性聚合其他实例。在这项工作中，我们声称，仔细选择的聚合标准可以大大提高学习检测器的准确性。我们首先提出了一个额外的细化步骤，现有的方法（OICR），我们称之为细化知识蒸馏。然后，我们提出了一个自适应的监督聚合功能，动态地改变聚合标准的选择框相关的地面实况类，背景，甚至忽略在每个细化模块的监督生成。在Pascal VOC 2007中的实验表明，我们的知识蒸馏和平滑聚合函数显著提高了OICR在弱监督目标检测和弱监督目标定位任务中的性能。这些改进使Boosted-OICR与其他最先进的方法相比再次具有竞争力。
2020-04-23 cs.CV
Deep Equilibrium Object Detection
Nanjing University（南京大学）；Shanghai AI Lab（上海人工智能实验室）
本文提出深度均衡解码器并构建 DEQDet，将查询精炼建模为隐式层不动点，配合 RAG 与 RAP 训练，在 MS COCO 上以更低显存和更快收敛超越 AdaMixer。
2023-08-18 cs.CV
CPDR: Towards Highly-Efficient Salient Object Detection via Crossed Post-decoder Refinement
Northwestern University（西北大学）；Robotics Institute Carnegie Mellon University（卡内基梅隆大学机器人研究所）
针对现有显著目标检测方法计算复杂度高、UNet/FPN类架构特征提取聚合能力有限的问题，提出含ADF、AUF及DACF的轻量CPDR模块增强特征表征，在五个基准数据集上性能超越此前最优方法。
2025-01-11 cs.CV
Refine-and-Contrast: Adaptive Instance-Aware BEV Representations for Multi-UAV Collaborative Object Detection
本文提出AdaBEV框架，通过盒引导细化模块和实例-背景对比学习学习自适应实例感知BEV表示，在多无人机协同三维检测中以低分辨率输入实现优越的精度-计算权衡。
2025-08-18 cs.CV
RefineMask: Towards High-Quality Instance Segmentation with Fine-Grained Features
Tsinghua University（清华大学）；SenseTime Research（商汤科技研究院）；Tongji University（同济大学）；UCAS（中国科学院大学）
用于实例分割的两阶段方法，例如Mask R-CNN，最近取得了优异的性能。然而，由于特征金字塔和实例池化过程中的下采样操作，分割的掩模仍然非常粗糙，特别是对于大对象。在这项工作中，我们提出了一种新的方法，称为RefineMask高质量的对象和场景的实例分割，它结合了细粒度的功能，在实例的分割过程中，在一个多阶段的方式。通过逐步融合更详细的信息，RefineMask能够始终如一地提炼出高质量的面具。RefineMask成功地分割了硬情况，例如大多数以前的方法过度平滑的对象的弯曲部分，并输出准确的边界。在没有花里胡哨的情况下，RefineMask在COCO、LVIS和Cityscapes基准测试中分别比Mask R-CNN获得了2.6、3.4、3.8 AP的显著增益，而且只需要少量的额外计算成本。此外，我们的单一模型结果在LVIS测试开发集上比2020年LVIS挑战赛的获胜者高出1.3分，并建立了一个新的最先进的水平。代码将在https://github.com/zhanggang001/RefineMask上提供。
2021-04-17 cs.CV
LDRFusion: A LiDAR-Dominant multimodal refinement framework for 3D object detection
School of Computer Science and Technology, Tongji University, Shanghai 201804, China（计算机科学与技术学院，同济大学，上海）；School of Electronics and Information Engineering, Tongji University, Shanghai 201804, China（电子信息工程学院，同济大学，上海）
LDRFusion提出以LiDAR为主导的两阶段融合框架，先由LiDAR生成准确候选区域，再引入伪点云检测困难实例，并通过分层伪点残差编码增强局部结构表示，在KITTI上取得稳健的三维目标检测性能。
2025-08-27 cs.CV
DPOD: 6D Pose Object Detector and Refiner
Technical University of Munich（慕尼黑工业大学）；Siemens Corporate Technology（西门子企业技术）
在本文中，我们提出了一种新的深度学习方法，用于从RGB图像中进行3D目标检测和6D姿态估计。我们的方法，名为DPOD（密集姿态对象检测器），估计密集的多类2D-3D对应映射之间的输入图像和可用的3D模型。给定对应性，经由PSNR和RANSAC计算6DoF姿态。使用定制的基于深度学习的细化方案来执行初始姿态估计的附加RGB姿态细化。我们的结果和大量的相关作品的比较表明，大量的对应关系是有益的，以获得高质量的6D构成之前和之后的细化。与其他主要使用真实数据进行训练并且不对合成渲染进行训练的方法不同，我们对合成和真实训练数据进行评估，与所有最近的检测器相比，在改进之前和之后展示出优异的结果。虽然精确，但所提出的方法仍然具有实时能力。
2019-08-20 cs.CV cs.RO
GENESIS-V2: Inferring Unordered Object Representations without Iterative Refinement
Google DeepMind（谷歌DeepMind）；Applied AI Lab, University of Oxford（牛津大学应用人工智能实验室）
对象表示的无监督学习的进展已经在用于无监督对象分割和可解释的以对象为中心的场景生成的广泛方法的发展中达到高潮。然而，这些方法仅限于具有有限视觉复杂度的模拟和真实世界数据集。此外，对象表示通常使用不能很好地扩展到大图像的RNN或迭代细化来推断，这避免了对图像中的对象施加不自然的排序，但需要对固定数量的对象表示进行先验初始化。与现有的范例相比，这项工作提出了一种基于嵌入的方法，其中嵌入的像素被聚集在一个可微的方式使用一个随机的棒断裂过程。类似于迭代细化，这种聚类过程也导致随机排序的对象表示，但不需要初始化一个固定数量的集群先验。这被用来开发一个新的模型GENESIS-v2，它可以在不使用RNN或迭代细化的情况下推断出可变数量的对象表示。我们表明，与最近的基线相比，GENESIS-v2在已建立的合成数据集以及更复杂的真实世界数据集上的无监督图像分割和以对象为中心的场景生成方面表现强劲。
2022-01-25 cs.CV cs.LG stat.ML
R3Det: Refined Single-Stage Detector with Feature Refinement for Rotating Object
Shanghai Jiao Tong University（上海交通大学）；China Merchants Bank Credit Card Center（招商银行信用卡中心）；Anhui COWAROBOT CO Ltd.（安徽酷哇机器人有限公司）
旋转检测是一个具有挑战性的任务，由于难以定位的多角度目标，并有效地将它们从背景中分离出来。虽然已经取得了相当大的进展，但对于实际环境，仍然存在挑战，旋转对象具有大的纵横比，密集分布和类别极不平衡。在本文中，我们提出了一个端到端的细化单级旋转检测器快速和准确的目标检测，通过使用从粗到细粒度的逐步回归方法。针对现有改进单级检测器存在的特征错位问题，设计了特征改进模块，通过改进得到更准确的特征来提高检测性能。特征细化模块的核心思想是将当前细化后的限界框的位置信息通过逐像素特征插值重新编码为对应的特征点，实现特征重构和对齐。为了获得更精确的旋转估计，提出了一种近似的SkewIoU损失，以解决SkewIoU计算不可导的问题。在DOTA、HRSC 2016、UCAS-AOD和ICDAR 2015场景文本数据集上的实验表明了该方法的有效性。Tensorflow和Pytorch版本代码可在https://github.com/Thinklab-SJTU/R3Det_Tensorflow和https：//github.com/SJTU-Thinklab-Det/r3det-on-mmdetection上获得，R3 Det也集成在我们的开源旋转检测基准中：https://github.com/yangxue0827/RotationDetection。
2020-12-08 cs.CV cs.LG eess.IV
Proposal Refinement for Few-Shot Object Detection
State Key Laboratory of Integrated Services Networks, Xidian University（西安电子科技大学综合业务网理论及关键技术国家重点实验室）
针对少样本检测中区域提议在基类和新类间分布不均的问题，提出分阶段提议细化方法，通过基类训练阶段的细化损失和微调阶段的细化分支重新平衡提议分布，在基准上提升1%~6%且不增加推理时间。
2026-06-08 cs.AI cs.CV
Patch Refinement -- Localized 3D Object Detection
Johannes Kepler University Linz（林茨约翰内斯·开普勒大学）
我们引入了Patch Refinement，这是一个两阶段的模型，用于从点云数据中准确地检测和定位3D目标检测。补丁精化由两个独立训练的基于体素网的网络组成，区域建议网络（RPN）和局部精化网络（LRN）。我们将检测任务分解为初步的鸟瞰图（BEV）检测步骤和局部3D检测步骤。基于RPN提出的BEV位置，我们提取小的点云子集（“补丁”），然后由LRN处理，由于每个补丁的面积较小，LRN受内存约束的限制较少。因此，我们可以在局部应用具有更高体素分辨率的编码。LRN的独立性使得能够使用额外的增强技术，并允许有效的回归集中训练，因为它只使用每个场景的一小部分。在KITTI 3D目标检测基准测试中，我们从2019年1月28日提交的参赛作品在所有三个难度的类别赛车上都优于之前的所有参赛作品，仅使用了50%的可用训练数据和LiDAR信息。
2019-10-09 cs.CV cs.LG
Rethinking of the Image Salient Object Detection: Object-level Semantic Saliency Re-ranking First, Pixel-wise Saliency Refinement Latter
Beihang University（北京航空航天大学）；Qingdao University（青岛大学）；Stony Brook University（石溪大学）
真正的人类注意是视觉系统与大脑之间的一种交互活动，它利用低层次的视觉刺激和高层次的语义信息。先前的图像显著性目标检测（SOD）工作以多任务方式进行其显著性预测，即，同时执行逐像素显著性回归和类分割显著性细化，这在揭示语义信息方面退化了它们的特征骨干。然而，给定一幅图像，我们倾向于更多地关注那些语义显著的区域，即使这些区域在第一眼看上去并不是最显著的。在本文中，我们将SOD问题分为两个连续的任务：1）我们提出了一个轻量级的，弱监督的深度网络，首先粗略定位这些语义显著区域; 2）然后，作为后处理过程，我们选择性地将多个现成的深度模型融合到这些语义显著区域上，作为逐像素的显著性细化。与主要利用感知线索学习“单幅图像”像素级显著性的SOTA方法形成鲜明对比，该方法研究了“多幅图像之间的对象级语义等级”，其方法更符合真实人类的注意力机制。我们的方法是简单而有效的，这是第一次尝试考虑显着的目标检测主要是作为一个对象级的语义重排序问题。
2020-08-10 cs.CV cs.LG
Multiscale Vision Transformer With Deep Clustering-Guided Refinement for Weakly Supervised Object Localization
Hanyang University（汉阳大学）；Seoul National University of Science and Technology（首尔国立科技大学）
针对弱监督目标定位精度有限的问题，提出多尺度目标定位Transformer及深度聚类引导优化方法，在ILSVRC-2012数据集上验证了有效性。
2023-12-15 cs.AI cs.CV
DRRNet: Macro-Micro Feature Fusion and Dual Reverse Refinement for Camouflaged Object Detection
School of Computer Science and Engineering, Southeast University（计算机科学与工程学院，东南大学）；Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education, China（计算机网络与信息集成重点实验室（东南大学），教育部，中国）
针对伪装目标与背景高度相似导致的边缘丢失和背景干扰问题，本文提出四阶段 DRRNet，通过全局-局部特征融合及双重反向细化提升检测性能，并在基准数据集上优于现有方法。
2025-05-14 cs.AI cs.CV
High-Quality Unknown Object Instance Segmentation via Quadruple Boundary Error Refinement
Korea Institute of Machinery & Materials (KIMM)（韩国机械与材料研究院）；Gwangju Institute of Science and Technology (GIST)（光州科学技术院）；Hyundai Motor Company（现代汽车公司）
针对未知物体实例分割中的过/欠分割问题，提出QuBER方法，通过估计四重边界误差并利用误差引导融合细化分割，在三个基准上超越现有方法，推理时间小于0.1秒，并提升抓取成功率。
2025-02-27 cs.CV cs.RO
