复杂道路场景的参数化俯视图表示
计算机视觉与模式识别
2019-04-22 v2
摘要
本文中,我们解决在仅以单目相机为输入时推断复杂道路场景布局的问题。为此,我们首先提出一种俯视图表示下道路布局的新颖参数化模型,其不仅直观利于人工可视化,也为高层决策提供可解释的接口。此外,我们所设计的俯视场景模型支持高效采样,从而生成大规模仿真数据;我们利用这些数据训练深度神经网络以推断场景模型的参数。具体而言,我们提出的训练流程使用监督域适应技术,融合仿真与人工标注数据。最后,我们设计了一个条件随机场(CRF),其对单帧施加一致预测并鼓励视频帧间的时间平滑。在两个公开数据集上的实验表明:(1) 我们的参数化俯视模型足以表征复杂道路场景;(2) 所提方法优于仅基于人工标注或仅基于仿真数据训练的基线,从而兼得二者之长;(3) 我们的CRF能够生成时间平滑且语义有意义的结果。
引用
@article{arxiv.1812.06152,
title = {A Parametric Top-View Representation of Complex Road Scenes},
author = {Ziyan Wang and Buyu Liu and Samuel Schulter and Manmohan Chandraker},
journal= {arXiv preprint arXiv:1812.06152},
year = {2019}
}
备注
Accepted by CVPR 2019