面向三维目标、表面与室内场景布局检测的定向梯度云
计算机视觉与模式识别
2019-06-12 v1
摘要
我们为杂乱室内场景中的三维（3D）目标检测和空间布局预测开发了新表示与算法。我们首先提出一种定向梯度云（COG）描述子，它将目标类别的2D外观与3D姿态联系起来，从而精确建模透视投影如何影响感知图像梯度。为了更好地表示大目标的三维视觉风格并为改进小目标检测提供上下文线索，我们引入了潜在支撑面。然后我们提出一种“曼哈顿体素”表示，能更好地捕捉常见室内环境的三维房间布局几何。通过潜在结构化预测框架学习有效的分类规则。类别与布局之间的上下文关系通过级联分类器捕获，从而产生在SUN RGB-D数据库上超越最先进水平的整体场景假设。
引用
@article{arxiv.1906.04725,
title = {Clouds of Oriented Gradients for 3D Detection of Objects, Surfaces, and Indoor Scene Layouts},
author = {Zhile Ren and Erik B. Sudderth},
journal= {arXiv preprint arXiv:1906.04725},
year = {2019}
}
备注
Accepted in IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI)