通过车辆合成生成未来城市场景
计算机视觉与模式识别
2021-10-25 v3 计算几何
摘要
在这项工作中，我们提出了一种深度学习流程来预测城市场景的视觉未来外观。尽管近期取得了进展，但以端到端方式生成整个场景仍远未实现。相反，我们在此采用两阶段方法，在循环中引入可解释信息，并对每个参与者独立建模。我们利用逐对象新视角合成范式，即生成在三维空间中经历几何旋转平移的对象的合成表示。我们的模型可以轻松地以最先进的跟踪方法或用户本身提供的约束（例如输入轨迹）为条件。这使我们能够以多模态方式从相同输入生成一组多样化的真实未来。我们在具有挑战性的真实世界数据集 CityFlow 上，从视觉和定量两方面展示了该方法相对于传统端到端场景生成方法的优越性。
引用
@article{arxiv.2007.00323,
title = {Future Urban Scenes Generation Through Vehicles Synthesis},
author = {Alessandro Simoni and Luca Bergamini and Andrea Palazzi and Simone Calderara and Rita Cucchiara},
journal= {arXiv preprint arXiv:2007.00323},
year = {2021}
}
备注
Accepted at ICPR2020