SePaint：基于多项扩散的语义地图修复
计算机视觉与模式识别
2023-03-07 v1
摘要
基于部分观测的预测对机器人在未知环境中导航至关重要，因为它能提供超出当前感知范围或分辨率的周边额外信息。本工作中，我们考虑语义鸟瞰图的修复。我们提出 SePaint，一种基于生成式多项扩散的语义数据修复模型。为保持语义一致性，我们需要以已知区域为条件对缺失区域进行预测。我们提出一种新颖且高效的调节策略——回看条件（LB-Con），其在反向扩散过程中执行单步回看操作。由此，我们能够加强未知与已知部分之间的协调性，从而获得更好的补全性能。我们在不同数据集上进行了广泛实验，表明所提模型在各种机器人应用中优于常用的插值方法。
引用
@article{arxiv.2303.02737,
title = {SePaint: Semantic Map Inpainting via Multinomial Diffusion},
author = {Zheng Chen and Deepak Duggirala and David Crandall and Lei Jiang and Lantao Liu},
journal= {arXiv preprint arXiv:2303.02737},
year = {2023}
}