从半监督到全监督的基于点云的房间布局估计
计算机视觉与模式识别
2023-02-01 v1
摘要
房间布局估计是一项长期存在的机器人视觉任务，有益于环境感知与运动规划。然而，使用点云（PCs）的布局估计仍受限于标注困难带来的数据稀缺。为此，我们基于模型指数移动平均的思想解决了该任务的半监督设定。但将此方案适配于基于 PC 的布局估计最先进（SOTA）方案并非易事。为此，我们定义了基于为布局四边形量身定制度量的四元组匹配策略与若干一致性损失。此外，我们提出了一种新的在线伪标签收割算法，将四边形与 PC 间混合距离度量的分布分解为两部分。该技术无需手动阈值选择，并直观地鼓励四边形与可靠布局点对齐。令人惊讶的是，该框架也适用于全监督设定，在 ScanNet 基准上取得了新的 SOTA。最后但同样重要的是，我们还将半监督设定推进至现实的全方位监督（omni-supervised）设定，在新标注的 ARKitScenes 测试集上展示了显著提升的性能。我们的代码、数据与模型已发布于该仓库。
引用
@article{arxiv.2301.13865,
title = {From Semi-supervised to Omni-supervised Room Layout Estimation Using Point Clouds},
author = {Huan-ang Gao and Beiwen Tian and Pengfei Li and Xiaoxue Chen and Hao Zhao and Guyue Zhou and Yurong Chen and Hongbin Zha},
journal= {arXiv preprint arXiv:2301.13865},
year = {2023}
}
备注
Accepted to ICRA2023. Code: https://github.com/AIR-DISCOVER/Omni-PQ