Jul, 2017

倾斜 Stixels: 代表旧金山最陡峭的街道

PDF
TL;DR提出了一种基于 Stixels 的紧凑场景表示方法，通过引入新的深度模型来克服了以前对 Stixels 具有限制性的几何假设，同时结合语义和深度特征在全局能量最小化公式中进行推断，并通过引入一种极其高效的超分割近似方案，实现了实时计算的能力。在四个公开基准数据集上进行了语义和几何精度以及运行时间的评估，表明该方法在平坦道路场景数据集上保持准确性的同时，大大提高了对新型非平坦道路数据集的处理能力。
发现论文，激发创造
  • Stixel 世界：交通场景的一种中等级别表征

    通过引入 Stixel World 的概念，将环境的内容进行压缩和结构化处理，从而解决了车载摄像头信息处理上的难题，可以广泛应用于目标检测、跟踪、分割和地图制作等汽车视觉应用领域。

    Apr, 2017

  • 基于时空深度嵌入的高俯视视频车辆轨迹重建

    本文介绍了一种基于 STMap 的交通轨迹重建方法，采用了 Spatial-Temporal Deep Embedding（STDE）模型，在像素和实例级别上形成奇偶校验约束，以生成用于 STMap 上车辆条带分割的实例感知嵌入，采用 mutex-watershed 算法最终获得聚类结果。

    Sep, 2022

  • 通过三维到二维标签转移实现街景的语义实例注释

    该研究论文提出了一种将语义实例标签从二维提升到三维的方法，通过从解析来自立体或激光数据的重建场景的 2D 标签信息，转化到图像域，可更高效地完成像素级别的语义注释与更准确，基于时间的标签。

    Nov, 2015

  • CodeSLAM - 学习一种紧凑的、可优化的密集视觉 SLAM 表示

    本文介绍了一种基于单张图像强度数据的密集场景几何表示方法，在单目稠密 SLAM 系统中具有优异的性能表现。

    Apr, 2018

  • StreetSurf：将多视角隐式表面重建扩展到街景

    本文提出了一种新型的多视角隐式曲面重建技术 ——StreetSurf，适用于广泛使用的自动驾驶数据集中的街景图像，特别是在没有 LiDAR 数据的情况下，旨在解决街景图像中场景几何形状、纹理等问题。

    Jun, 2023

  • 建模动态城市场景的街道高斯函数

    该论文介绍了一种用于建模动态城市街景的新的显式场景表示方法，其使用带有语义标签和 3D 高斯模型的点云来表示动态城市街景，从而实现了场景的编辑和生成，并且在多个数据集上表现优异。

    Jan, 2024

  • 地球并非平坦：移动相机对陡峭和倾斜道路上车辆的单目重建

    本论文提出了一种在具有不同平面的路面上进行单目物体定位和形状估计的方法，并使用 KITTI 和 SYNTHIA-SF 基准测试了该方法，证明了其在任意形状的路面上能显著提高单目物体定位的效果。

    Mar, 2018

  • 具有语义感知的 2DGS 的 3D StreetUnveiler

    通过 Crowded Observations 捕获的车载相机，我们介绍了 StreetUnveiler 来重建空旷道路的 3D 表示，通过去除不需要的高斯分布，我们使用时间逆转框架对帧进行填充以增强填充的时序一致性。

    May, 2024

  • 统一的隐式神经风格化

    本文提出了一种统一的内隐神经风格化框架 (INS)，其在多个任务设置中进行了广泛实验，包括新视图合成，内隐表面风格化和使用 MLPs 拟合图像，并通过分离样式映像和输入场景的内容隐含模块和样式隐含模块实现了从不同样式之间轻松地插值和生成具有新混合样式的图像，同时还提出了一种自我蒸馏几何一致性损失来规范 3D 场景中的几何，以维护样式的连续性。

    Apr, 2022

  • 通过草图绘制学习具备几何意识的表示

    LBS 学习通过绘画来表示场景，而不需要素描数据集。理论上证明绘画与任意仿射变换具有等变性，因此可以保留几何信息。实验结果显示 LBS 显着改善了对象属性分类的性能，并为不同下游任务提供了丰富的几何信息。

    Apr, 2023