3D 中的大规模新颖物体发现
计算机视觉与模式识别
2018-02-21 v2
摘要
我们提出一种从 Microsoft Kinect 等传感器获取的 3D 点云中发现前所未见物体的方法。我们直接从点云数据生成超体素，并将其用于基于近期提出的 3D 卷积神经网络架构构建的孪生网络（Siamese network）。我们利用已知物体训练超体素的非线性嵌入，优化的准则是：在嵌入空间中，落于同一物体上的超体素应比落于不同物体上的超体素更靠近。我们在训练时未见过的未知物体上测试，并在学习到的超体素嵌入空间中进行聚类，以有效实现新颖物体发现。我们通过大量实验验证该方法，定量表明其能在仅以少量稠密 3D 模型训练的情况下发现众多未见物体。我们还展示了当测试物体（无论是特定实例乃至类别）在训练时从未出现时，在点云数据中进行物体发现的极佳定性结果。
引用
@article{arxiv.1701.07046,
title = {Large Scale Novel Object Discovery in 3D},
author = {Siddharth Srivastava and Gaurav Sharma and Brejesh Lall},
journal= {arXiv preprint arXiv:1701.07046},
year = {2018}
}
备注
Accepted for publication at IEEE Winter Conference on Applications of Computer Vision (WACV 2018)