跳到正文
arXiv · 机器人与计算机视觉· Bing Fan, Yunhe Feng, Yan Huang, Heng Fan·· 17 天前AI 评分75

利用文本语义实现鲁棒的跨视角物体对应

Exploiting Textual Semantics for Robust Cross-View Object Correspondence

AI 导读

针对复杂场景中视角变化大和外观差异导致的跨视角物体关联困难问题,本文提出了 TeSCo 框架。该方法结合视觉线索与物体的丰富文本语义(如类别、纹理、颜色),通过视语言模型生成目标文本表达并融合进视觉特征以提升鲁棒性。实验在 Ego-Exo4D 和 HANDAL-X 数据集上验证了其优越性能,代码已开源。

来源:arXiv · 机器人与计算机视觉 · arxiv.org