基于 GSACNet 的上下文场景增强与合成
计算机视觉与模式识别
2021-03-30 v1 人工智能
图形学
摘要
室内场景增强已成为计算机视觉与图形学中的新兴课题，在增强现实与虚拟现实中具有应用价值。然而，当前基于深度神经网络的最先进系统需要大规模数据集进行训练。本文我们介绍 GSACNet，一种可用有限场景先验训练的上下文场景增强系统。GSACNet 利用一种新颖的参数化数据增强方法，结合图注意力与孪生网络架构，其后接自编码器网络，从而便于用小数据集训练。我们在 Matterport3D 数据集上通过与替代系统的消融与对比研究，展示了所提系统的有效性。我们的结果表明，在可用场景先验有限的情况下，我们的场景增强在场景合成上优于已有方法。
引用
@article{arxiv.2103.15369,
title = {Contextual Scene Augmentation and Synthesis via GSACNet},
author = {Mohammad Keshavarzi and Flaviano Christian Reyes and Ritika Shrivastava and Oladapo Afolabi and Luisa Caldas and Allen Y. Yang},
journal= {arXiv preprint arXiv:2103.15369},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2009.12395 by other authors