面向基于部件理解的 RGB-D 扫描
计算机视觉与模式识别
2020-12-04 v1
摘要
近期在 3D 语义场景理解方面的进展已在 3D 实例分割上展现出令人印象深刻的进步,实现了对 3D 场景的物体级推理;然而,要实现与物体的交互及其功能理解,需要更细粒度的理解。因此,我们提出了真实世界 3D 环境的基于部件场景理解任务:从场景的 RGB-D 扫描中,我们检测物体,并对每个物体预测其分解为几何部件掩码,这些掩码组合在一起构成被观测物体的完整几何。我们利用一种中间的部件图表示来实现鲁棒的补全以及部件先验的构建,并用以构造最终的部件掩码预测。我们的实验表明,通过部件图到基于部件先验的预测来引导部件理解,显著优于该语义部件补全任务的其他替代方法。
引用
@article{arxiv.2012.02094,
title = {Towards Part-Based Understanding of RGB-D Scans},
author = {Alexey Bokhovkin and Vladislav Ishimtsev and Emil Bogomolov and Denis Zorin and Alexey Artemov and Evgeny Burnaev and Angela Dai},
journal= {arXiv preprint arXiv:2012.02094},
year = {2020}
}
备注
https://youtu.be/iuixmPNs4v4