基于模糊深度图像的多样化合理形状补全
机器人学
2020-11-19 v1 计算机视觉与模式识别
摘要
我们提出 PSSNet，一种从单张 2.5D 深度图像生成多样化合理三维重建的网络架构。现有方法即使在与观测一致的形状有多个时，也往往只产生单一形状上的微小变化。为获得多样性，我们改进了变分自编码器，在训练期间提供学习到的形状包围盒特征作为辅助信息。由于这些特征在训练时已知，我们能够为编码器添加监督损失，并为解码器添加无噪声值。为评估，我们从网络中采样一组补全结果，为每个测试观测构建一组合理形状匹配，并使用我们定义在形状集合上的合理多样性度量进行比较。我们使用 Shapenet 杯子和部分遮挡的 YCB 物体进行实验，发现我们的方法在歧义较少的数据集中表现相当，而在许多形状合理契合观测深度图像时优于现有方法。我们在物理机器人抓取遮挡和杂乱物体时展示了 PSSNet 的一个用途。
引用
@article{arxiv.2011.09390,
title = {Diverse Plausible Shape Completions from Ambiguous Depth Images},
author = {Brad Saund and Dmitry Berenson},
journal= {arXiv preprint arXiv:2011.09390},
year = {2020}
}