可视化不可见之物：遮挡车辆分割与外观恢复
计算机视觉与模式识别
2019-07-23 v1
摘要
本文提出一种新颖的迭代多任务框架，用于补全被遮挡车辆的分割掩码并恢复其不可见部分的外观。具体而言，为提升分割补全的质量，我们提出两个耦合判别器，并引入一个辅助三维模型池以采样真实轮廓作为对抗样本。此外，我们提出一种带共享网络的双路径结构以增强外观恢复能力。通过迭代执行分割补全与外观恢复，结果将被逐步细化。为评估我们的方法，我们提出了一个数据集——遮挡车辆数据集（Occluded Vehicle dataset），包含合成与真实世界的遮挡车辆图像。我们在该数据集上进行对比实验，并证明我们的模型在恢复遮挡车辆的分割掩码与外观任务上优于当前最优（state-of-the-art）方法。此外，我们还展示了我们的外观恢复方法可有益于真实世界视频中的遮挡车辆跟踪。
引用
@article{arxiv.1907.09381,
title = {Visualizing the Invisible: Occluded Vehicle Segmentation and Recovery},
author = {Xiaosheng Yan and Yuanlong Yu and Feigege Wang and Wenxi Liu and Shengfeng He and Jia Pan},
journal= {arXiv preprint arXiv:1907.09381},
year = {2019}
}