论文
ICRA 2026 GOOSE 2D 细粒度语义分割挑战赛的技术报告：用于鲁棒户外场景理解的基础视觉编码器的预训练多样化集合
Technical Report for the ICRA 2026 GOOSE 2D Fine-Grained Semantic Segmentation Challenge: Pretraining-Diverse Ensemble of Foundation Vision Encoders for Robust Outdoor Scene Understanding
摘要
本报告介绍了我们针对 ICRA 2026 GOOSE 2D 细粒度语义分割挑战赛的解决方案，该挑战需要将来自四个摄像头平台的非结构化户外场景解析为 56 个细粒度类别。我们的方法将基础视觉编码器（包括 DINOv3、SigLIP2 和 InternImage）与 Mask2Former 解码器配对，并使用强大的方法对其进行训练，包括长训练计划、指数移动平均、更大的裁剪尺寸以及多尺度加翻转测试时间增强。这三个编码器因其互补的预训练目标而被选择，通过每类验证 IoU 加权组合成一个预训练多样化的集合。在官方 GOOSE 测试集上进行评估，我们的提交达到了 75.40% 的综合 mIoU，并赢得了挑战赛的第二名。我们的研究进一步表明，编码器的预训练配方，而不是其参数计数或解码器设计，是该基准测试准确性的主导因素。