面向3D场景理解的等效场景图神经网络——ESGNN
计算机视觉与模式识别
2024-07-02 v1 机器学习
摘要
场景图已被证明在各种场景理解任务中具有紧凑且显式的特性。然而，现有方法往往忽视在从3D点云生成场景图时保持对称性保存的重要性。这种疏忽可能会削弱结果场景图的准确性和鲁棒性，尤其是在处理噪声、多视角3D数据时。本文据我们所知，是首次在从3D点云生成语义场景图以实现场景理解时实现等效图神经网络。我们提出的方法ESGNN相较于现有最先进的方法表现显著提升，显示出在场景估计方面的显著性能提升，同时实现更快的收敛。ESGNN所需的计算资源较少，且易于从现有框架实现，为机器人和计算机视觉等实时应用铺平了道路。
引用
@article{arxiv.2407.00609,
title = {ESGNN: Towards Equivariant Scene Graph Neural Network for 3D Scene Understanding},
author = {Quang P. M. Pham and Khoi T. N. Nguyen and Lan C. Ngo and Truong Do and Truong Son Hy},
journal= {arXiv preprint arXiv:2407.00609},
year = {2024}
}