VAIR：室内场景中低成本多模态透明表面重建的视觉-声学隐式表示
计算机视觉与模式识别
2024-11-08 v1
摘要
在室内环境中运行的移动机器人必须准备好应对包含透明表面的挑战性场景。本文提出了一种通过隐式神经表示融合声学和视觉感知模态的新方法，以实现室内场景中透明表面的密集重建。我们提出了一种新型模型，利用生成式潜在优化来学习由透明表面组成的室内场景的隐式表示。我们证明可以查询该隐式表示，以在图像空间中实现体积渲染，或进行三维几何重建（点云或网格），同时预测透明表面。我们在一个使用定制低成本感知平台（配备 RGB-D 相机和超声波传感器）收集的新数据集上定性和定量地评估了本方法的有效性。我们的方法在透明表面重建方面相比最先进方法表现出显著提升。
引用
@article{arxiv.2411.04963,
title = {VAIR: Visuo-Acoustic Implicit Representations for Low-Cost, Multi-Modal Transparent Surface Reconstruction in Indoor Scenes},
author = {Advaith V. Sethuraman and Onur Bagoren and Harikrishnan Seetharaman and Dalton Richardson and Joseph Taylor and Katherine A. Skinner},
journal= {arXiv preprint arXiv:2411.04963},
year = {2024}
}
备注
https://umfieldrobotics.github.io/VAIR_site/