玉米田里被遮挡的植株怎么分割？EgoMaize首个第一人称基准来了！
EgoMaize: A First-Person Maize Instance Segmentation Benchmark under Severe Field Occlusion
📖 AI 总结
本文提出 EgoMaize，一个面向第一人称视角玉米实例分割的紧凑型基准数据集，旨在解决近距离田间图像中茎、叶、雄穗及邻近植株细长重复、严重遮挡所带来的分割难题。该任务要求从同类别高度重叠的图像中预测归属一致的植株掩码及茎、雄穗线索。针对现有可见光标注易将单一植株割裂、而完全非模态标注又需对遮挡区域进行不可验证补全的问题，作者采用证据闭合的标注流程处理遮挡区域，并将不可靠区域标记为忽略而非背景。基线实验表明，预训练查询式分组、边界细化与高分辨率裁剪细化分别有助于任务的不同方面，但尚无架构能同时解决精细结构恢复、同类实例归属与遮挡推理的耦合挑战；遮挡程度分析进一步显示，植株可见性越低，性能下降越明显。数据集与代码已公开。
🔑 关键词速览
| 实例分割 | 计算机视觉任务，旨在识别图像中每个对象实例并分割出其精确的像素级区域。 |
| 第一人称田间图像 | 从移动设备或机器人视角近距离拍摄的农田图像，模拟人眼观察角度。 |
| 玉米表型分析 | 通过测量玉米植株的形态、结构等特征来研究其基因与环境相互作用的方法。 |
| 遮挡推理 | 在计算机视觉中，处理被其他物体遮挡的目标区域，推断其完整形状或归属的能力。 |
| 证据封闭标注 | 一种标注策略，仅对可见且有证据支持的区域进行标注，对不可靠区域标记为忽略。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅