无标签的多视角姿态无关变更局部化
计算机视觉与模式识别
2025-03-21 v2
摘要
自动化智能体常需准确的方法来检测和定位其环境中的变更，尤其是在观察来自不受约束和不一致视角时。我们提出了一种新颖的无标签、姿态无关的变更检测方法，通过整合来自多个视角的信息来构建变更感知的3D高斯溅射(3DGS)表示。仅需5张事后场景图像，即可学习额外的变更通道，生成的变更掩码超越单视角技术。变更感知的3D场景表示还能为不可见视角生成准确的变更掩码。实验结果表明，在复杂的多目标场景中实现了最新性能，平均交并比和F1分数分别比其他基线提高1.7倍和1.5倍。我们还贡献了一个新型真实数据集，用于在光照变化的多样化具挑战性场景中评估变更检测。
引用
@article{arxiv.2412.03911,
title = {Multi-View Pose-Agnostic Change Localization with Zero Labels},
author = {Chamuditha Jayanga Galappaththige and Jason Lai and Lloyd Windrim and Donald Dansereau and Niko Suenderhauf and Dimity Miller},
journal= {arXiv preprint arXiv:2412.03911},
year = {2025}
}
备注
Accepted at CVPR 2025