論文の概要: Extending Affordance Segmentation for Wearable Robots to Multi-Object Images

• arxiv url: http://arxiv.org/abs/2610.29474v1
• Date: Wed, 21 Oct 2026 09:30:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.303082
• Title: Extending Affordance Segmentation for Wearable Robots to Multi-Object Images
• Title（参考訳）: ウェアラブルロボットのマルチオブジェクト画像への精度分割の拡張
• Abstract要約: 本稿では,既存の視覚に基づく携帯型パイプラインを改良し,把握可能な物体部品の認識を提案する。 提案手法は,従来のハードウェア・セットアップの微妙な変更と,ビジョン・ベース・パイプラインの適用性を高めるためのカスタム・トレーニング・アプローチを利用する。
• 参考スコア（独自算出の注目度）: 2.3096589301166843
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a refinement to existing vision-based portable pipelines for the recognition of graspable object parts. Such pipelines can effectively support automatic grasp selection and preshaping in upper-limb prosthetic devices. However, realistic scenarios in which multiple objects are present still represent a challenge. The proposed method exploits a minor modification to the conventional hardware setup and a custom training approach to extend the applicability of vision-based pipelines. A laser pointer is introduced in the setup as an effective mechanism for object disambiguation. Accordingly, a suitable retraining of the deep convolutional neural networks supporting recognition of graspable parts is implemented. A mixed reality strategy allows the reuse of available high-quality segmentation masks to generate realistic images procedurally, extending the range of scenarios supported by the final device. Experimental results confirm that the proposed pipeline improves target disambiguation accuracy by up to 9% compared with existing solutions, while preserving the computational cost.
• Abstract（参考訳）: 本稿では,既存の視覚に基づく携帯型パイプラインを改良し,把握可能な物体部品の認識を提案する。 このようなパイプラインは、上肢補綴装置における自動グリップ選択とプリシェイピングを効果的にサポートする。 しかし、複数のオブジェクトが存在する現実的なシナリオは依然として課題である。 提案手法は,従来のハードウェア・セットアップの微妙な変更と,ビジョン・ベース・パイプラインの適用性を高めるためのカスタム・トレーニング・アプローチを利用する。 レーザーポインターは、オブジェクトの曖昧化に有効なメカニズムとして設定される。 これにより、把握可能な部分の認識を支援する深部畳み込みニューラルネットワークの適切な再訓練を行う。 混合現実戦略により、利用可能な高品質セグメンテーションマスクの再利用により、現実的なイメージを手続き的に生成し、最終デバイスがサポートするシナリオの範囲を広げることができる。 実験の結果,提案したパイプラインは,計算コストを抑えつつ,既存のソリューションと比較して目標の曖昧さの精度を最大9%向上することを確認した。

関連論文リスト

• CATP: Confidence-Aware Token Pruning for Camouflaged Object Detection [17.488230092440144]
  カモフラージ対象検出(COD)に適した階層的信頼度対応トークン抽出フレームワーク(CATP)を提案する。 我々のアプローチは階層的に背景と物体の両方から容易に識別可能なトークンを識別・破棄し、重要な境界トークンに計算を集中させる。 プルーニングからの情報損失を補うために、プルーニングトークンからのコンテキスト知識をリッチな特徴に集約するデュアルパス特徴補償機構を導入する。
  論文  参考訳（メタデータ） (2026-04-18T06:03:18Z)
• A Cascaded Information Interaction Network for Precise Image Segmentation [3.911594181651384]
  本稿では,新たなGlobal Information Guidance Moduleを統合した,カスケード型畳み込みニューラルネットワークを提案する。 このモジュールは、複数の層にまたがる高レベルのセマンティック機能で、低レベルのテクスチャの詳細を効果的に融合するように設計されている。 このアーキテクチャの革新は、特に視覚的に散らかったり、ぼやけた環境において、セグメンテーションの精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2026-01-02T04:33:03Z)
• RPCANet++: Deep Interpretable Robust PCA for Sparse Object Segmentation [51.37553739930992]
  RPCANet++は、RPCAの解釈可能性と効率的なディープアーキテクチャを融合したスパースオブジェクトセグメンテーションフレームワークである。 我々のアプローチは、緩やかなRPCAモデルを背景近似モジュール(BAM)、対象抽出モジュール(OEM)、画像復元モジュール(IRM)からなる構造化ネットワークに展開する。 さまざまなデータセットの実験では、RPCANet++がさまざまなイメージングシナリオの下で最先端のパフォーマンスを達成することが示されている。
  論文  参考訳（メタデータ） (2025-08-06T08:19:37Z)
• Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
  環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。 そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。 特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-30T17:14:12Z)
• Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy [73.75271615101754]
  本稿では,Transformerアーキテクチャを活用した拡張性のあるフレームワークであるDitaについて紹介する。 Ditaはコンテキスト内コンディショニング(context conditioning)を採用しており、歴史的観察から生の視覚トークンと識別されたアクションをきめ細やかなアライメントを可能にする。 Ditaは、さまざまなカメラパースペクティブ、観察シーン、タスク、アクションスペースの横断的なデータセットを効果的に統合する。
  論文  参考訳（メタデータ） (2025-03-25T15:19:56Z)
• PanSR: An Object-Centric Mask Transformer for Panoptic Segmentation [9.713215680147583]
  パノプティクスのセグメンテーションはコンピュータビジョンの基本課題であり、自動運転車の認識にとって重要な要素である。 最近のマスクトランスフォーマーベースの手法は、標準的なベンチマークでは素晴らしいパフォーマンスを達成しているが、小さなオブジェクト、混み合ったシーン、広範囲のオブジェクトスケールを示すシーンで重大な課題に直面している。 そこで我々は,PanSRを用いたパン光学セグメンテーション手法を提案する。PanSRは,インスタンスのマージを効果的に軽減し,小さなオブジェクト検出を向上し,混み合うシーンにおけるパフォーマンスを向上し,挑戦的なLaRSベンチマーク上での最先端のPQを,Cityscapesで最先端のパフォーマンスに到達しつつ,注目すべき+3.4PQ向上を実現した。
  論文  参考訳（メタデータ） (2024-12-13T22:12:37Z)
• Diffusion Transformer Policy [48.50988753948537]
  本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。 トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
  論文  参考訳（メタデータ） (2024-10-21T12:43:54Z)
• Towards Confidence-guided Shape Completion for Robotic Applications [6.940242990198]
  深層学習は、部分的な視覚データから完全な3Dオブジェクト表現を推測する効果的な方法として牽引され始めている。 本稿では,各再構成点に対する信頼度を示す暗黙の3次元表現に基づくオブジェクト形状完備化手法を提案する。 再構成された形状と地上の真実を比較し,ロボットの把握パイプラインに形状完了アルゴリズムを配置することにより,我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2022-09-09T13:48:24Z)
• Combining Local and Global Pose Estimation for Precise Tracking of Similar Objects [2.861848675707602]
  類似・非テクスチャオブジェクトに対する多目的6D検出・追跡パイプラインを提案する。 合成画像のみを訓練した新しいネットワークアーキテクチャは、複数のオブジェクトの同時ポーズ推定を可能にする。 建設現場における実際のAR支援アプリケーションにおいて,システムがどのように利用できるかを示す。
  論文  参考訳（メタデータ） (2022-01-31T14:36:57Z)

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。