SceneGraphNet：用于三维室内场景扩充的神经消息传递方法
计算机视觉与模式识别
2019-07-29 v1 图形学
摘要
本文中，我们提出一种神经消息传递方法，用以向输入的 3D 室内场景补充与周围环境相匹配的新物体。给定一个输入的、可能不完整的 3D 场景和一个查询位置，我们的方法预测适合该位置的对象类型的概率分布。我们的分布通过在一个稠密图中传递学习到的消息来预测，该图的节点表示输入场景中的物体，边表示空间与结构关系。通过注意力机制对消息加权，我们的方法学会聚焦于最相关的周围场景上下文以预测新场景物体。我们发现，基于在 SUNCG 数据集上的实验，我们的方法在正确预测场景中缺失物体方面显著优于最先进的方法。我们还展示了我们方法的其他应用，包括基于上下文的 3D 物体识别和迭代场景生成。
引用
@article{arxiv.1907.11308,
title = {SceneGraphNet: Neural Message Passing for 3D Indoor Scene Augmentation},
author = {Yang Zhou and Zachary While and Evangelos Kalogerakis},
journal= {arXiv preprint arXiv:1907.11308},
year = {2019}
}
备注
8 pages, 8 figures, to appear in ICCV 2019