自然场景中实例级遮挡与深度顺序
计算机视觉与模式识别
2022-03-30 v3 人工智能
摘要
本文引入一个名为 InstaOrder 的新数据集，可用于理解图像中实例的几何关系。该数据集包含 101K 自然场景中类标实例的 2.9M 几何顺序标注。这些场景由 3,659 名众包工作者标注了（1）识别遮挡者/被遮挡者的遮挡顺序，以及（2）描述考虑相对相机距离的顺序关系的深度顺序。该数据集为相同实例提供两类顺序的联合标注，且我们发现遮挡顺序与深度顺序具有互补性。我们还提出一个名为 InstaOrderNet 的几何顺序预测网络，其优于当前最先进的方法。此外，我们提出一个名为 InstaDepthNet 的稠密深度预测网络，其使用辅助几何顺序损失来提升最先进深度预测方法 MiDaS [56] 的准确性。
引用
@article{arxiv.2111.14562,
title = {Instance-wise Occlusion and Depth Orders in Natural Scenes},
author = {Hyunmin Lee and Jaesik Park},
journal= {arXiv preprint arXiv:2111.14562},
year = {2022}
}
备注
Accepted to CVPR 2022. Code is available at https://github.com/POSTECH-CVLab/InstaOrder