增量式场景合成
计算机视觉与模式识别
2019-11-15 v4 机器学习
摘要
我们提出一种增量生成完整 2D 或 3D 场景的方法，具有以下性质：(a) 在每一步根据所学场景先验全局一致；(b) 可在保持全局一致的同时融入场景的真实观测；(c) 未观测区域可依据先前观测、幻觉与全局先验在局部被幻觉化；(d) 幻觉具有统计特性，即同一观测可生成不同场景。为此，我们对虚拟场景建模，其中主动智能体在每步可感知场景的已观测部分或生成局部幻觉。后者可解释为智能体在此步对场景的预期，并可应用于自主导航。在每点均观测真实数据的极限下，本方法收敛于求解 SLAM 问题。否则可从先验分布中采样完全想象的场景。除自主智能体外，应用还包括需大量数据以构建鲁棒现实应用但样本稀少的问题。我们在多种 2D 与 3D 数据上展示了有效性。
引用
@article{arxiv.1811.12297,
title = {Incremental Scene Synthesis},
author = {Benjamin Planche and Xuejian Rong and Ziyan Wu and Srikrishna Karanam and Harald Kosch and YingLi Tian and Jan Ernst and Andreas Hutter},
journal= {arXiv preprint arXiv:1811.12297},
year = {2019}
}