تعلم حدود مُحسَّن لفصل كائنات شبه زجاجية

تتواجد الأشياء الشبيهة بالزجاج، مثل النوافذ والزجاجات والمرآة، بشكل واسع في العالم الحقيقي. ولهناك تطبيقات متعددة لاستشعار هذه الأشياء، تشمل التوجيه الروبوتي والقبض عليها. ومع ذلك، فإن هذه المهمة صعبة للغاية بسبب المشاهد العشوائية الموجودة خلف الأشياء الشبيهة بالزجاج. يهدف هذا البحث إلى حل مشكلة تقسيم الأشياء الشبيهة بالزجاج من خلال تعلم الحدود المُحسَّنة. وبشكل خاص، نقترح في البداية وحدة تفاضلية مُعدَّلة جديدة تُنتج إشارات حدودية أكثر دقة. ثم نُقدِّم وحدة شبكة تبادلية مبنية على النقاط تعتمد على الحواف لنموذج الشكل العالمي على طول الحدود. ونستخدم هاتين الوحدتين لتصميم مشفر (Decoder) يُنتج نتائج تقسيم دقيقة ونظيفة، وبخاصة على حدود الكائنات. وتعتبر كلا الوحدتين خفيفتي الوزن وفعّالتي الأداء: يمكن دمجهما في نماذج تقسيم مختلفة. وقد أثبتت التجارب الواسعة على ثلاث مجموعات بيانات حديثة لتقسيم الأشياء الشبيهة بالزجاج، تشمل Trans10k وMSD وGDD، أن منهجنا يحقق نتائج جديدة على مستوى الحالة الحالية (state-of-the-art). كما نُظهر قدرة قوية على التعميم لمنهجنا على ثلاث مجموعات بيانات عامة للتقسيم، تشمل Cityscapes وBDD وCOCO Stuff. يُمكن الوصول إلى الكود والنماذج من خلال الرابط: \url{https://github.com/hehao13/EBLNet}.