PulseAugur
中
实时 13:54:32
English(EN) GOOSE-M2F: Adapting Mask2Former for High-Fidelity, Long-Tailed Fine-Grained Semantic Segmentation in Unstructured Outdoor Terrain

GOOSE-M2F 模型增强了罕见户外地形类别的语义分割能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 GOOSE-M2F，这是 Mask2Former 的一个专用版本，专为 GOOSE 2D 细粒度语义分割 (FGSS) 挑战赛而设计。该新模型解决了在非结构化户外地形中分割 64 个细粒度类别的挑战，特别关注像素极少的罕见类别。GOOSE-M2F 包含多项增强功能，包括增加对象查询数量、具有注意力机制的特征细化模块以及用于改善罕见类别梯度的辅助监督头。该模型在该挑战赛中以 70.08% 的综合 mIoU 获得第三名。 AI

影响 增强了复杂户外环境中罕见类别的细粒度语义分割能力。

排序理由 该集群描述了一篇新研究论文，详细介绍了现有模型针对特定计算机视觉任务和挑战的新颖改编。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jyothiraditya Lingam, Nikhileswara Rao Sulake, Sai Manikanta Eswar Machara ·

    GOOSE-M2F: Adapting Mask2Former for High-Fidelity, Long-Tailed Fine-Grained Semantic Segmentation in Unstructured Outdoor Terrain

    arXiv:2606.15937v1 Announce Type: new Abstract: We present GOOSE-M2F, a task-specific adaptation of Mask2Former for the GOOSE 2D Fine-Grained Semantic Segmentation (FGSS) Challenge at ICRA~2026. The GOOSE benchmark spans 64 fine-grained classes across unstructured outdoor terrain…

相关实体

相关话题