Embodied Uncertainty-Aware Object Segmentation

要約

不確実性を認識したオブジェクト インスタンス セグメンテーション (UncOS) を導入し、具体化された対話型セグメンテーションに対するその有用性を実証します。
ロボットの知覚における不確実性に対処するために、オブジェクトのセグメンテーションの仮説分布を生成する方法を提案します。
大規模な事前トレーニング済みモデルに対して複数のクエリを作成することにより、信頼性推定値とともに領域因数分解されたセグメンテーション仮説のセットを取得します。
このプロセスにより、目に見えないオブジェクトのセグメンテーションの問題に対して最先端のパフォーマンスを達成するセグメンテーション結果が生成されます。
出力は、曖昧さを軽減するためにシーンを混乱させるロボットの動作を選択するための信念駆動プロセスへの入力としても機能します。
実際のロボット実験でこの手法の有効性を実証します。
ウェブサイト: https://sites.google.com/view/embodied-uncertain-seg

要約(オリジナル)

We introduce uncertainty-aware object instance segmentation (UncOS) and demonstrate its usefulness for embodied interactive segmentation. To deal with uncertainty in robot perception, we propose a method for generating a hypothesis distribution of object segmentation. We obtain a set of region-factored segmentation hypotheses together with confidence estimates by making multiple queries of large pre-trained models. This process can produce segmentation results that achieve state-of-the-art performance on unseen object segmentation problems. The output can also serve as input to a belief-driven process for selecting robot actions to perturb the scene to reduce ambiguity. We demonstrate the effectiveness of this method in real-robot experiments. Website: https://sites.google.com/view/embodied-uncertain-seg

arxiv情報

提供元, 利用サービス

arxiv.jp, Google