基于对抗训练从单张深度图完成三维语义场景补全
计算机视觉与模式识别
2019-05-16 v1
摘要
我们解决三维语义场景补全任务,即给定单张深度图像,预测表示场景的三维网格中体素的语义标签与占据情况。鉴于近期提出的生成对抗网络(GAN),我们的目标是探索该模型的潜力以及若干重要设计选择的效率。结果表明,使用条件 GAN 优于原始 GAN 设定。我们在多个数据集上评估了这些架构设计。基于实验,我们证明在有干净标注的情况下,GAN 能够超越基线三维 CNN 的性能,但在标注对齐不佳时会受影响。
引用
@article{arxiv.1905.06231,
title = {3D Semantic Scene Completion from a Single Depth Image using Adversarial Training},
author = {Yueh-Tung Chen and Martin Garbade and Juergen Gall},
journal= {arXiv preprint arXiv:1905.06231},
year = {2019}
}