📖 AI 总结

CALIPER 是一个面向工业场景的无模型 RGB-D 识别框架，旨在解决外观高度相似、仅靠物理尺寸区分的零件细粒度识别难题。该方法无需 CAD 模型或大规模类别数据集，每个类别仅需一段转台 RGB-D 视频和一到两张标注真实图像即可完成注册：三维重建提供新视角外观支持，对齐深度生成类别专属的度量尺寸轮廓。推理阶段先用 YOLOv8n-seg 粗定位，再由冻结的 DINOv2 主干配合情景训练的嵌入头做细粒度匹配，并通过边际条件化的度量融合，仅在出现外观歧义时启用尺寸概率证据。在 18 类相似工业零件上的实验显示，闭集准确率达 88.2%，定位召回率 99.8%；对两个未见过螺丝进行 10 样本注册后整体准确率为 85.7%，度量融合使未见类准确率最高提升 37.4 个百分点，且未显著损害原有类别性能。机械臂部署中无需针对性重训练即可识别 18 类中的 17 类，表明该方法适合库存动态演化的工业应用。

🔑 关键词速览