麻省理工再出新作 ，不确定性感知下的物体实例分割 ！

文章预览

前言   作者提出了“不确定性感知的物体实例分割”(Uncos)并展示了其对实体交互分割的有效性。 为了解决机器人在感知中面临的不确定性，作者提出了一种生成物体分割假设分布的方法。 通过多次 Query 大型预训练模型，作者可以获得一组具有置信度估计的区域因素分割假设。这一过程可以生成在未见过的物体分割问题上实现最先进性能的分割结果。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 网站：https://sites.google.com/view/embodied-uncertain-seg I Introduction 作者的目标是构建可以在包含先前未知物体的环境中运行的长期视野操作系统。对这些系统的一个关键步骤是，将RGB或RGB-d图像分割成待操作的目标候选体。这一步骤通常被称为“未知目标实例分割”（U ………………………………