基于单张深度图像的对抗式语义场景补全
计算机视觉与模式识别
2022-05-10 v1
摘要
我们提出一种从单张输入深度图像重建、补全并语义标注3D场景的方法。我们通过基于对抗学习的新型架构提高了回归得到的语义3D地图的精度。具体而言，我们建议使用多个对抗损失项，不仅迫使输出相对于真值真实可信，而且实现内部特征的有效嵌入。这是通过将处理部分2.5D数据的编码器的潜在特征与从训练用于重建完整语义场景的变分3D自编码器提取的潜在特征相关联来实现的。此外，不同于其他完全通过3D卷积操作的方法，在测试时我们保留输入原始的2.5D结构用于下采样，以提高模型内部表示的有效性。我们在语义场景补全的主要基准数据集上测试了我们的方法，从定性和定量上评估了我们方案的有效性。
引用
@article{arxiv.1810.10901,
title = {Adversarial Semantic Scene Completion from a Single Depth Image},
author = {Yida Wang and David Joseph Tan and Nassir Navab and Federico Tombari},
journal= {arXiv preprint arXiv:1810.10901},
year = {2022}
}
备注
2018 International Conference on 3D Vision (3DV)