DepthSSC：基于深度-空间对齐与体素自适应的单目三维语义场景补全
计算机视觉与模式识别
2024-11-27 v2
摘要
利用单目相机进行三维语义场景补全的任务在自动驾驶领域正受到广泛关注。该任务旨在从部分图像输入中预测三维场景中每个体素的占据状态与语义标签。尽管已有众多方法，许多仍面临物体形状预测不准确和物体边界误分类等挑战。为解决这些问题，我们提出 DepthSSC，一种仅使用单目相机的先进语义场景补全方法。DepthSSC 将空间变换图融合（ST-GF）模块与几何感知体素化（GAV）相结合，能够动态调整体素分辨率以适应三维空间的几何复杂度。这确保了空间与深度信息之间的精确对齐，有效缓解了先前方法中存在的物体边界畸变和深度感知错误等问题。在 SemanticKITTI 和 SSCBench-KITTI-360 数据集上的评估表明，DepthSSC 不仅能有效捕捉精细的三维结构细节，还取得了最先进的性能。
引用
@article{arxiv.2311.17084,
title = {DepthSSC: Monocular 3D Semantic Scene Completion via Depth-Spatial Alignment and Voxel Adaptation},
author = {Jiawei Yao and Jusheng Zhang and Xiaochao Pan and Tong Wu and Canran Xiao},
journal= {arXiv preprint arXiv:2311.17084},
year = {2024}
}
备注
Accepted by WACV 2025