.png){kind=icon}
返回
Self-Paced Attribute Prototype Contrastive Learning for Cross-Modal Materials Perception
.png){kind=icon}
PRE
AI
DOI：10.1109/tmm.2026.3668507.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
非接触式交互方法使机器人能够通过传感器和先进感知技术识别物体属性，无需物理接触。该方法增强了交互的灵活性和安全性，同时提供了更丰富、更直观的人机交互体验。当前研究聚焦于通过非接触特征提取进行跨模态检索，实现材料属性估计并推动物体感知的发展。然而，现有的跨模态材料检索方法忽视了学习同种材料类型内共享的共性属性。为解决此问题，我们提出了基于自定步长原型对比学习的材料感知方法（MPSPL）。首先，属性原型对比学习提取同种材料类型内的共享特征，聚集相似样本，并增强深度模型对材料属性的感知。其次，自定步长学习策略动态调整对比损失的温标系数，引导模型区分不同材料间的判别特征，并逐步识别固有属性。最后，大量实验验证了该方法在已知和未知材料类别条件下的有效性。实验结果表明，所提出的方法优于当前先进技术。
Keyword:
Cross-modal retrieval
materials perception
prototype learning
self-paced learning
期刊
IF:
9.7
论文数:
4.6K
被引数:
2.4W
机构
引用论文
Bioinspired Embodiment for Intelligent Sensing and Dexterity in Fine Manipulation: A Survey在精细操作中用于智能传感和灵巧的生物启发实施例: 一项调查
PREAI
分享收藏分享收藏
Learning to estimate incipient slip with tactile sensing to gently grasp objects学习利用触觉传感估计初始滑动以实现轻柔抓取物体.png)
IF0
PREAI
分享收藏
查看更多内容