双流三维语义场景补全
计算机视觉与模式识别
2019-05-16 v4
摘要
推断被遮挡表面的三维几何与语义含义是一项极具挑战性的任务。最近，已有一种从单张深度图像补全场景的首个端到端学习方法被提出。该方法将场景体素化，并预测每个体素是否被占据，以及若被占据则其语义类别标签。本工作中，我们提出一种利用深度信息与从 RGB 图像推断的语义信息来完成该任务的双流方法。该方法构建一个不完整的 3D 语义张量，其对推断的语义信息使用紧凑的三通道编码，并使用 3D CNN 推断完整的 3D 语义张量。在我们的实验评估中，我们表明所提双流方法在语义场景补全上大幅优于最先进（SOTA）方法。
引用
@article{arxiv.1804.03550,
title = {Two Stream 3D Semantic Scene Completion},
author = {Martin Garbade and Yueh-Tung Chen and Johann Sawatzky and Juergen Gall},
journal= {arXiv preprint arXiv:1804.03550},
year = {2019}
}