通过利用合成数据的交互式遮挡边界估计
计算机视觉与模式识别
2025-11-27 v3
摘要
遮挡边界 (OB) 在 2D 图像中几何定位遮挡事件，为场景理解提供关键线索。本文首次系统性研究了交互式遮挡边界估计 (IOBE)，引入 MSPE，一种新型多笔画引导深度学习框架，通过两种关键创新实现 IOBE 的推进：(1) 直观的多笔画交互机制，(2) 受多尺度条纹卷积增强的 3 编码路径网络。我们的方法超越了来自七种最先进交互式分割方法的适应基线，并通过真实用户实验展示了在 OB 基准构建方面的强大潜力。此外，为解决良标注真实世界数据稀缺问题，我们提出使用合成数据训练 IOBE 模型，并开发了 Mesh2OB——第一个自动从 3D 场景中生成精确 ground-truth OBs 的工具，显式处理自遮挡，使能够创建 OB-FUTURE 合成基准，以促进无域适应的通用训练。最后，我们引入 OB-LIGM，一个高质量的真实世界基准，包含 120 个严格标注的高分辨率图像，推动 OB 研究评估标准的提升。源码和资源已公开于 https://github.com/xul-ops/IOBE。
引用
@article{arxiv.2408.15038,
title = {Interactive Occlusion Boundary Estimation through Exploitation of Synthetic Data},
author = {Lintao Xu and Chaohui Wang},
journal= {arXiv preprint arXiv:2408.15038},
year = {2025}
}
备注
BMVC 2025