跳到正文
热点事件持续更新

Atlas 系统实现零样本物体组装与分解追踪

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

针对现有方法仅能检测物体分解而忽略组装事件的局限,Cheryl Lam、Yihong Sun 和 Bharath Hariharan 提出了 Atlas 系统。该系统通过联合推理正向与反向时空划分,实现了无提示的物体轨迹恢复及状态变化检测。 作者构建了 OmniST 基准数据集,包含密集的物体标注及两类变换类型。实验显示,在 OmniST 上 Atlas 恢复的状态变化数量是先前方法的两倍以上,且在仅评估分解的传统基准上保持竞争力。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    Atlas:一种零样本物体组装与分解追踪系统

    针对现有方法仅能检测物体分解而忽略组装事件的局限,本文提出 Atlas 系统,通过联合推理正向与反向时空划分实现无提示的物体轨迹恢复及状态变化检测。作者还构建了 OmniST 基准数据集,包含密集的物体标注及两类变换类型。实验显示,在 OmniST 上 Atlas 恢复的状态变化数量是先前方法的两倍以上,且在仅评估分解的传统基准上保持竞争力。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。