形状锚引导的整体室内场景理解
计算机视觉与模式识别
2023-09-21 v1
摘要
本文提出一种形状锚引导的学习策略（AncLearn），用于鲁棒的整体室内场景理解。我们观察到，当前方法为候选框特征分组和实例点采样所构建的搜索空间，常常给实例检测与网格重建引入大量噪声。为此，我们开发 AncLearn 来生成动态贴合实例表面的锚，以（i）在检测阶段分离噪声与目标相关特征，从而提供可靠的候选框；（ii）减少目标点采样中的离群点，以便在重建时无需分割即可直接提供结构良好的几何先验。我们将 AncLearn 嵌入一个从检测重建的学习系统（AncRec）中，以纯粹的实例导向方式生成高质量的语义场景模型。在具有挑战性的 ScanNetv2 数据集上的实验表明，我们基于形状锚的方法在 3D 目标检测、布局估计和形状重建方面持续取得最先进的性能。代码将发布于 https://github.com/Geo-Tell/AncRec。
引用
@article{arxiv.2309.11133,
title = {Shape Anchor Guided Holistic Indoor Scene Understanding},
author = {Mingyue Dong and Linxi Huan and Hanjiang Xiong and Shuhan Shen and Xianwei Zheng},
journal= {arXiv preprint arXiv:2309.11133},
year = {2023}
}