SeeThrough：在严重遮挡的室内场景图像中寻找椅子
计算机视觉与模式识别
2017-12-05 v2
摘要
从单张室内图像中发现物体的三维排列至关重要，因其具有室内设计、内容创作等诸多应用。尽管近年来该领域研究众多，但在中度或重度遮挡下，现有方法往往失效，因为核心物体检测模块在缺乏直接可见线索时会开始失败。相反，我们考虑了整体的上下文三维信息，利用室内场景中的物体大多以典型的近规则配置共现这一事实。首先，我们使用在真实室内标注图像上训练的神经网络提取二维关键点，并将其输入到三维候选物体生成阶段。然后，我们利用从大型三维场景数据库中发现的成对共现统计信息，在这些三维候选物体中解决全局选择问题。我们迭代该过程，允许基于已发现附近物体的位置，逐步检测具有低关键点响应的候选物体。专注于椅子，我们证明了该方法相较于最先进方法的组合具有显著的性能提升，特别是在包含中度至重度遮挡物体的场景中。
引用
@article{arxiv.1710.10473,
title = {SeeThrough: Finding Chairs in Heavily Occluded Indoor Scene Images},
author = {Moos Hueting and Pradyumna Reddy and Vladimir Kim and Ersin Yumer and Nathan Carr and Niloy Mitra},
journal= {arXiv preprint arXiv:1710.10473},
year = {2017}
}