ICRA 2025 GOOSE 2D 语义分割挑战赛技术报告：利用色偏校正、RoPE-Swin 主干和基于分位数的标签去噪策略实现稳健的户外场景理解

本报告介绍了由 ACVLAB 团队为 ICRA 2025 GOOSE 二维语义分割挑战赛开发的语义分割框架，该框架专注于在真实环境下将户外场景解析为九个语义类别。我们的方法集成了 Swin Transformer 主干网络，并通过旋转位置嵌入 (RoPE) 进行增强，以提升空间泛化能力，同时还集成了色偏估计与校正模块，旨在补偿自然环境中的光照不一致性。为了进一步提高训练稳定性，我们采用了基于分位数的去噪策略，降低前 2.5% 最高误差像素的权重，将其视为噪声，并在优化过程中抑制其影响。在官方 GOOSE 测试集上进行评估，我们的方法实现了 0.848 的平均交并比 (mIoU)，证明了将色彩校正、位置编码和误差感知去噪相结合在稳健语义分割中的有效性。