SCoDA:面向真实扫描的领域自适应形状补全
计算机视觉与模式识别
2023-04-25 v2
摘要
从点云进行 3D 形状补全是一项具有挑战性的任务,尤其是来自真实世界物体扫描时。考虑到真实扫描缺乏 3D 形状真值,现有工作主要聚焦于在合成数据(如 3D 计算机辅助设计模型)上对该任务进行基准测试。然而,合成与真实数据间的领域鸿沟限制了这些方法的泛化性。因此,我们提出一项新任务 SCoDA,用于从合成数据到真实扫描形状补全的领域自适应。我们贡献了一个新数据集 ScanSalon,其中包含一批由熟练艺术家依据扫描创作的精细 3D 模型。为应对该新任务,我们提出一种用于知识迁移的跨领域特征融合方法,以及一种用于从真实数据鲁棒学习的体素一致自训练框架。大量实验证明我们的方法有效带来了 6%~7% mIoU 的提升。
引用
@article{arxiv.2304.10179,
title = {SCoDA: Domain Adaptive Shape Completion for Real Scans},
author = {Yushuang Wu and Zizheng Yan and Ce Chen and Lai Wei and Xiao Li and Guanbin Li and Yihao Li and Shuguang Cui and Xiaoguang Han},
journal= {arXiv preprint arXiv:2304.10179},
year = {2023}
}