我们研究了人们与对象互动的动态环境中识别对象实例的问题。在这样的环境中,对象的外观通过与其他实体的相互作用,手动阻塞,背景变化等动态变化。这会导致外观内部范围更大的外观变化,而不是在静态环境中。为了发现这种情况下的挑战,我们新建立了在Epic-Kitchens数据集中建立的1,500多个实例的基准,该数据集包括自然活动并对IT进行了广泛的分析。实验结果表明(i)针对特定实例的外观变化的鲁棒性(ii)集成低级(例如,颜色,纹理)和高级(例如,对象类别)功能(iii)重叠对象上的前景特征选择是进一步改进所必需的。
translated by 谷歌翻译