割贴-喷溅：利用高斯溅写法生成合成数据
计算机视觉与模式识别
2025-04-14 v1
摘要
生成合成图像是获取计算机视觉模型训练标签数据 cost-effective 方法。然而，获取相关目标物体的准确3D模型是必要的，且由于难以模拟光照效果和相机伪影，生成的图像常常存在现实感差距。我们提出使用新颖的视角合成方法称为高斯溅写法（Gaussian Splatting）以应对这些挑战。我们开发了一个用于生成特定目标物体的上下文感知实例分割训练数据的合成数据管道。此过程完全自动化，仅需目标物体的视频。我们训练目标物体的高斯溅写法模型并自动从视频中提取该物体。利用高斯溅写法，我们将物体渲染到随机背景图像上，并采用单目深度估计将物体置于可信的姿态中。我们引入了一个新的数据集以验证我们的方法，并展示其优于其他数据生成方法，如割贴-粘贴和扩散模型生成。
引用
@article{arxiv.2504.08473,
title = {Cut-and-Splat: Leveraging Gaussian Splatting for Synthetic Data Generation},
author = {Bram Vanherle and Brent Zoomers and Jeroen Put and Frank Van Reeth and Nick Michiels},
journal= {arXiv preprint arXiv:2504.08473},
year = {2025}
}
备注
Accepted at the International Conference on Robotics, Computer Vision and Intelligent Systems 2025 (ROBOVIS)