Grounded-SAM
PulseAugur coverage of Grounded-SAM — every cluster mentioning Grounded-SAM across labs, papers, and developer communities, ranked by signal.
-
新方法增强了无人机塔架检查的零样本分割能力
研究人员开发了一种名为显著性-深度条件化（Saliency-Depth Conditioning）的新方法，以改进通信塔部件在杂乱无人机图像中的零样本分割。该方法结合了视觉显著性和单目相对深度来创建粗略的塔架先验，有效抑制了不相关的背景元素。当与 Grounded-SAM 和 Segment Anything Model 3 等现有模型集成后，增强版本 SD-Grounded-SAM 和 SD-SAM 3 在 TOW-300 数据集上…
-
OptiSight框架整合语义推理与几何控制，实现具身导航
研究人员推出OptiSight，一个旨在通过整合语义推理与几何控制来增强自主室内导航的新型框架。该系统在思维链架构中利用视觉语言模型（VLM），在关键决策点进行查询以降低计算负荷。Grounded-SAM用于目标定位，相机投影几何将视觉数据转化为导航指令，无需密集建图。在AI Habitat进行的实验表明，OptiSight能够在复杂的室内环境中实现可靠的零样本导航，即使存在语义歧义和障碍物，且运行在8GB显存限制内。
-
新方法增强自动驾驶汽车的3D场景理解 · 已追踪2个来源
两篇新研究论文介绍了用于自动驾驶语义占用估计的新颖方法，旨在提高3D场景理解能力。第一篇Easy3D-Labels，使用Grounded-SAM和Metric3Dv2生成3D伪地面真实标签，将其应用于OccNeRF等现有模型可显著提升性能。第二篇SuperQuadricOcc，提出了一种利用超二次体和新颖体渲染器的实时自监督模型，在Occ3D-nuScenes数据集上实现了最先进的结果，并降低了计算成本。
-
新的 SAM-MI 框架提升了开放词汇语义分割性能
研究人员开发了 SAM-MI，一个旨在通过集成 Segment Anything Model (SAM) 来增强开放词汇语义分割 (OVSS) 的新颖框架。该框架解决了 SAM 倾向于过度分割以及将其掩码与标签结合的困难。SAM-MI 使用文本引导的稀疏点提示器 (Text-guided Sparse Point Prompter) 来更快地生成掩码，并采用浅层掩码聚合 (Shallow Mask Aggregation, SMAgg…
-
ZODS-RS 管道为遥感图像提供零训练检测和分割
研究人员开发了 ZODS-RS，这是一个专为遥感图像中的零训练目标检测和分割设计的新型管道。该系统集成了 DINOv3 的密集特征和 SAM 风格的提议，可在无需特定任务训练数据的情况下生成水平边界框和实例掩码。ZODS-RS 在 FAIR1M 和 xView 等数据集上展示了改进的性能，尤其是在小目标和密集目标方面，并在无人机图像上显示出比现有方法（如 Grounded-SAM）显著的优势。
-
北京大学的Imagine2Act使机器人能够“先想象，再行动”以完成家务任务
北京大学的研究人员开发了Imagine2Act，这是一个新颖的框架，使机器人能够高精度地执行复杂的家务任务。该系统首先通过生成语义上和几何上对齐的目标点云来“想象”期望的结果，然后使用双重对齐机制来预测精确的机器人动作。这种方法有效地解决了当前方法的局限性，例如生成模型的几何推理能力差和误差累积问题。