Sep, 2019

原型不可知场景布局的场景识别

PDF
TL;DR本文提出了一种无原型构建的场景布局方法，可以灵活地捕捉场景图像中的各种空间特征，并通过图卷积将两种拓扑结构（在空间和语义相似性维度中形成的）纳入图像表示中，最终达到了在 MIT67 和 SUN397 数据集上取得最先进结果，同时也证明了该方法的良好泛化性和竞争性能。
scene recognitionspatial structureprototype-agnostic scene layoutlayout graph networkmit67
发现论文，激发创造
  • PLGSLAM：基于本地到全局捆集调整的渐进神经场景表示

    PLGSLAM 是一种神经视觉 SLAM 系统，能够实时进行高保真度的场景重建和强健的相机追踪，在大规模室内场景下表现良好。

    Dec, 2023

  • 语义调色板：使用类别比例引导场景生成

    该研究提出使用基于类比的语义控制生成城市场景的方法，并证明该方法在各项指标和城市场景基准测试中优于现有基线。 此外，作者还证明了用于数据增强的实用性。

    Jun, 2021

  • 自监督摄影图像布局表示学习

    研究通过定义基本布局元素，将图像布局映射到异质图结构，引入自我监督学习和自定义损失函数，建立在这个基础上发展了一个能够高效地压缩图像布局的自动编码网络架构，并介绍了一个全面评估布局表示学习方法的基准数据集，实验证明该方法在摄影图像布局表示学习领域具有卓越的性能。

    Mar, 2024

  • 场景布局的端到端优化

    提出一种基于变分生成模型和场景图条件的端到端场景布局合成方法，并使用可微分渲染模块优化生成的布局。实验表明，该模型可以更精确和多样地进行条件场景合成，并允许从各种输入形式生成样本化场景。

    Jul, 2020

  • 语义嵌入相似性原型用于场景识别

    本论文通过引入统计策略，利用类别级别的语义表示来探索场景内不同类别之间的关联，进而构建一个相似性原型，从梯度标签软化和批级对比损失的角度提出了两种使用相似性原型来支持网络训练的方法，对多个基准进行了全面评估，结果表明我们的相似性原型能够提高现有网络的性能而不增加计算负担。

    Aug, 2023

  • PLACE：自适应布局 - 语义融合的语义图像合成

    提出了 adaPtive LAyout-semantiC fusion modulE (PLACE) 以及附加的 Semantic Alignment (SA) loss，通过利用预训练模型来改善语义图像合成中的布局和语义问题，实现合成图像的真实细节和语义一致性。

    Mar, 2024

  • 从视觉场景中学习物理图形表示

    本篇论文提出了一种名为 PSGNet 的网络架构，该架构能够通过物理场景图像层次结构学习和提取场景信息，尤其在复杂真实世界图像上的场景分割任务上表现出色，并且能够从物理运动中学习到更为准确的场景估计。

    Jun, 2020

  • 利用全局上下文嵌入进行场景解析

    本文提出了基于参数化和非参数化模型的全局语境信息来进行场景解析，使用场景相似性训练上下文网络生成特征表示来生成空间和全局先验知识，然后将这些特征表示和先验知识嵌入到分割网络作为额外的全局上下文提示。实验表明该方法可以消除与全局上下文表示不兼容的误报，且在 MIT ADE20K 和 PASCAL Context 数据集上表现良好。

    Oct, 2017

  • 从 3D 室内重建学习 3D 语义场景图

    本文提出了一种基于场景图的三维场景理解方法，它将场景中的实体组织成图形式，运用基于 PointNet 和 Graph Convolutional Networks（GCN）的学习方法实现了场景图的回归，并且引入了一个新的数据集 3DSSG 来支持该方法的应用和评估。

    Apr, 2020

  • 用于布局组合和补丁检索的简洁场景图

    提出了两种改进场景结构表示法的方法，通过启发式关系和极端点表示法，显著提高相关分数测量方法的性能，并演示了如何使用场景图检索与源查询语义相似的姿态约束图像块，这是实现逼真图像生成的重要一步。

    Apr, 2019