PulseAugur
中
实时 09:38:45
English(EN) Semantically-Aware Diver Activity Recognition Framework for Effective Underwater Multi-Human-Robot Collaboration

新的DAR-Net框架识别潜水员活动以实现水下机器人协作

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了DAR-Net，一个新颖的基于Transformer的框架，旨在识别水下环境中的潜水员活动。该系统采用语义引导学习方法，结合了时间推理和像素级场景监督，以提高准确性，尤其是在低能见度条件下。为了解决数据稀缺问题，他们还引入了水下潜水员活动（UDA）数据集，包含超过2600张标注图像。实验结果表明，DAR-Net在分类六种不同的潜水员活动方面优于现有模型，为增强水下人机协作铺平了道路。 AI

影响 增强了AI在复杂水下任务中的协助能力，有望提高海洋作业的安全性和效率。

排序理由 这是一篇研究论文，描述了一个用于特定AI任务的新框架和数据集。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Sadman Sakib Enan, Junaed Sattar ·

    Semantically-Aware Diver Activity Recognition Framework for Effective Underwater Multi-Human-Robot Collaboration

    arXiv:2606.12374v1 Announce Type: cross Abstract: Effective multi-human-robot collaboration is essential for expanding human-led operations in the challenging and high-risk underwater environment. For autonomous underwater vehicles (AUVs) to become true teammates, they must be ab…

  2. arXiv cs.CV TIER_1 English(EN) · Junaed Sattar ·

    Semantically-Aware Diver Activity Recognition Framework for Effective Underwater Multi-Human-Robot Collaboration

    Effective multi-human-robot collaboration is essential for expanding human-led operations in the challenging and high-risk underwater environment. For autonomous underwater vehicles (AUVs) to become true teammates, they must be able to comprehend their surroundings and recognize …

相关话题