用于 3D 场景布局预测的层次去噪递归自编码器
计算机视觉与模式识别
2019-04-11 v2
摘要
室内场景在 3D 物体布局上展现出丰富的层次结构。3D 场景理解中的许多任务均可从联合推理场景的层次上下文与物体身份中获益。我们提出一种变分去噪递归自编码器（VDRAE），其生成并迭代精炼 3D 物体布局的层次表示，交错进行自底向上编码以聚合上下文与自顶向下解码以传播信息。我们在大规模 3D 场景数据集上训练 VDRAE，从输入点云的过分割预测实例级分割与 3D 物体检测。我们表明，相较于已有工作的基线，我们的 VDRAE 在真实世界 3D 点云数据集上提升了物体检测性能。
引用
@article{arxiv.1903.03757,
title = {Hierarchy Denoising Recursive Autoencoders for 3D Scene Layout Prediction},
author = {Yifei Shi and Angel Xuan Chang and Zhelun Wu and Manolis Savva and Kai Xu},
journal= {arXiv preprint arXiv:1903.03757},
year = {2019}
}
备注
CVPR 2019