首页 /研究 /ICRA 2026 GOOSE 2D细粒度语义分割挑战技术报告:利用DINOv3实现野外机器人鲁棒室外场景理解
PERCEPTION

ICRA 2026 GOOSE 2D细粒度语义分割挑战技术报告:利用DINOv3实现野外机器人鲁棒室外场景理解

Jaeil Park, Hyobin Choi, Sangjin Lee, Hyungtae Lim, Sung-Hoon Yoon

发表年份
2026
访问权限
开放获取

摘要

该论文提出了ICRA 2026野外机器人GOOSE 2D细粒度语义分割挑战赛的冠军解决方案,通过结合自监督DINOv3骨干网络、ViT适配器和Mask2Former解码器,以及多尺度测试时增强和模型集成策略,在64类细粒度分类上达到76.57%的综合得分。该方法在野外机器人场景理解中实现了高精度语义分割,排名最终阶段排行榜第一。

关键词

semantic segmentationoutdoor scene understandingfield roboticsDINOv3Mask2Former

相关论文

查看 PERCEPTION 分类全部论文