論文の概要: Glass Surface Segmentation with an RGB-D Camera via Weighted Feature Fusion for Service Robots

• arxiv url: http://arxiv.org/abs/2508.01639v1
• Date: Sun, 03 Aug 2025 07:58:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:21.982718
• Title: Glass Surface Segmentation with an RGB-D Camera via Weighted Feature Fusion for Service Robots
• Title（参考訳）: サービスロボットの軽量機能融合によるRGB-Dカメラによるガラス表面のセグメンテーション
• Authors: Henghong Lin, Zihan Zhu, Tao Wang, Anastasia Ioannou, Yuanshui Huang,
• Abstract要約: 本稿では,RGBと深度機能を組み合わせた重み付き特徴融合(WFF)モジュールを提案し,透明性やリフレクションといった問題に対処する。 また、実環境をナビゲートするサービスロボットによって収集された総合的なRGB-DデータセットであるMJU-Glassデータセットについても紹介する。
• 参考スコア（独自算出の注目度）: 4.58103945996187
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address the problem of glass surface segmentation with an RGB-D camera, with a focus on effectively fusing RGB and depth information. To this end, we propose a Weighted Feature Fusion (WFF) module that dynamically and adaptively combines RGB and depth features to tackle issues such as transparency, reflections, and occlusions. This module can be seamlessly integrated with various deep neural network backbones as a plug-and-play solution. Additionally, we introduce the MJU-Glass dataset, a comprehensive RGB-D dataset collected by a service robot navigating real-world environments, providing a valuable benchmark for evaluating segmentation models. Experimental results show significant improvements in segmentation accuracy and robustness, with the WFF module enhancing performance in both mean Intersection over Union (mIoU) and boundary IoU (bIoU), achieving a 7.49% improvement in bIoU when integrated with PSPNet. The proposed module and dataset provide a robust framework for advancing glass surface segmentation in robotics and reducing the risk of collisions with glass objects.
• Abstract（参考訳）: 我々はRGB-Dカメラによるガラス表面のセグメンテーションの問題に対処し、RGBと深度情報を効果的に融合させることに焦点をあてる。 そこで本稿では,RGBと深度機能を動的かつ適応的に組み合わせて,透過性,反射性,閉塞性といった問題に対処するWeighted Feature Fusion (WFF) モジュールを提案する。 このモジュールは、プラグイン・アンド・プレイソリューションとして、さまざまなディープ・ニューラルネットワークのバックボーンとシームレスに統合できる。 さらに、実環境をナビゲートするサービスロボットによって収集された総合的なRGB-DデータセットであるMJU-Glassデータセットを導入し、セグメンテーションモデルを評価するための貴重なベンチマークを提供する。 実験の結果, セグメンテーション精度とロバスト性は有意な改善がみられ, WFFモジュールは, 平均インターセクション(mIoU)と境界IoU(bIoU)の両方で性能を向上し, PSPNetと統合した場合のbIoUは7.49%向上した。 提案したモジュールとデータセットは、ロボット工学におけるガラス表面のセグメンテーションを進め、ガラスオブジェクトとの衝突のリスクを低減するための堅牢なフレームワークを提供する。

関連論文リスト

• RGB-D Video Object Segmentation via Enhanced Multi-store Feature Memory [34.406308400305385]
  RGB-D (RGB-D) Video Object (VOS) は、RGBのきめ細かいテクスチャ情報を奥行きの幾何学的手がかりと統合することを目的としている。 本稿では,ロバストセグメンテーションのためのマルチストア機能メモリを用いた新しいRGB-D VOSを提案する。 本稿では,最新のRGB-D VOSベンチマークにおいて,提案手法の最先端性能を示す。
  論文  参考訳（メタデータ） (2025-04-23T07:31:37Z)
• Optimizing rgb-d semantic segmentation through multi-modal interaction and pooling attention [5.518612382697244]
  マルチモーダルインタラクションとプールアテンションネットワーク(MIPANet)は,RGBと奥行きモダリティの相互相乗効果を利用するように設計されている。 エンコーダの様々な段階でプール注意モジュール(PAM)を導入する。 このモジュールは、ネットワークによって抽出された機能を増幅し、モジュールの出力をデコーダに統合する。
  論文  参考訳（メタデータ） (2023-11-19T12:25:59Z)
• Salient Object Detection in RGB-D Videos [11.805682025734551]
  本稿では,データセットとモデルという2つの主要なコントリビューションについて述べる。 現実的な深度を持つ新しいRGB-D VSODデータセットであるRDVSデータセットを構築した。 RGB-D VSODに適した3ストリームネットワークであるDCTNet+を紹介する。
  論文  参考訳（メタデータ） (2023-10-24T03:18:07Z)
• CIR-Net: Cross-modality Interaction and Refinement for RGB-D Salient Object Detection [144.66411561224507]
  本稿では,CIR-Netと呼ばれる畳み込みニューラルネットワーク(CNN)モデルを提案する。 我々のネットワークは、定性的かつ定量的に最先端の塩分濃度検出器より優れています。
  論文  参考訳（メタデータ） (2022-10-06T11:59:19Z)
• Leveraging RGB-D Data with Cross-Modal Context Mining for Glass Surface Detection [47.87834602551456]
  ガラスの表面は、現代の建物が多くのガラスパネルを使用する傾向にあるため、ますます広くなっている。 これは、ロボット、自動運転車、ドローンなどの自律システムの運用に重大な課題をもたらす。 RGBと深度情報を組み合わせた新しいガラス表面検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-22T17:56:09Z)
• Cross-modality Discrepant Interaction Network for RGB-D Salient Object Detection [78.47767202232298]
  本稿では,RGB-D SODのためのクロスモダリティ離散相互作用ネットワーク(CDINet)を提案する。 2つのコンポーネントは、効果的な相互モダリティ相互作用を実装するように設計されている。 我々のネットワークは、定量的にも質的にも15ドルの最先端の手法より優れています。
  論文  参考訳（メタデータ） (2021-08-04T11:24:42Z)
• Siamese Network for RGB-D Salient Object Detection and Beyond [113.30063105890041]
  共有ネットワークバックボーンを通じてRGBと深度入力の両方から学習するための新しいフレームワークが提案されている。 5つの一般的な指標を用いた総合的な実験は、設計されたフレームワークが堅牢なRGB-D塩分濃度検出器をもたらすことを示している。 また、JL-DCFをRGB-Dセマンティックセマンティックセマンティクスフィールドにリンクし、いくつかのセマンティクスセマンティクスモデルよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2020-08-26T06:01:05Z)
• RGB-D Salient Object Detection with Cross-Modality Modulation and Selection [126.4462739820643]
  本稿では, RGB-D Salient Object Detection (SOD) において, モジュール間相補性を段階的に統合し, 改良する有効な方法を提案する。 提案するネットワークは,1)RGB画像とそれに対応する深度マップからの補完情報を効果的に統合する方法,および2)より精度の高い特徴を適応的に選択する方法の2つの課題を主に解決する。
  論文  参考訳（メタデータ） (2020-07-14T14:22:50Z)
• Hierarchical Dynamic Filtering Network for RGB-D Salient Object Detection [91.43066633305662]
  RGB-D Salient Object Detection (SOD) の主な目的は、相互融合情報をよりよく統合し活用する方法である。 本稿では,これらの問題を新たな視点から考察する。 我々は、より柔軟で効率的なマルチスケールのクロスモーダルな特徴処理を実装している。
  論文  参考訳（メタデータ） (2020-07-13T07:59:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。