Rescan：面向室内 RGBD 重扫描的归纳式实例分割
计算机视觉与模式识别
2019-09-26 v1
摘要
在从家用机器人到 AR/VR 的深度感知应用中，以稀疏时间间隔重复获取室内空间的三维扫描将十分常见（例如作为日常定期使用的一部分）。我们提出一种算法，分析这些“重扫描”以推断具有语义实例信息的场景时间模型。我们的算法以归纳方式运行：利用过往观测得到的时间模型推断新扫描的实例分割，再用以更新该时间模型。该模型包含跨时间的物体实例关联，因此即便仅有稀疏观测也可追踪单个物体。在针对此新任务的新基准测试中，我们的算法优于基于最先进语义实例分割网络的替代方法。
引用
@article{arxiv.1909.11268,
title = {Rescan: Inductive Instance Segmentation for Indoor RGBD Scans},
author = {Maciej Halber and Yifei Shi and Kai Xu and Thomas Funkhouser},
journal= {arXiv preprint arXiv:1909.11268},
year = {2019}
}
备注
IEEE International Conference on Computer Vision 2019