ECCVJul, 2020

多摄像机视角下的实例关联

PDF
TL;DR我们提出了一个具有挑战性的数据集，其中包含多个场景的乱桌子，包含相同的、堆叠的和被其他实例遮挡的多个对象实例，该数据集挑战了现有方法在挖掘微小外观差异、基于上下文的推理、融合外观与几何线索以建立关联方面的性能，在一些流行的基线上报告了有趣的发现，讨论了这个数据集如何有助于启发新的问题并催生更强大的公式来解决现实世界的实例关联问题。
发现论文，激发创造
  • 用于多视角三维重建的现实数据集

    本文介绍了一种包含近千个三维对象模型及超过 84 万个现实世界的 RGB 和深度图像数据集，旨在填补现有研究中缺乏的三维多视图重建的真实数据基准。该数据集通过半自动方式实现相机位置与物体姿态的精准标注，为形状重建、物体姿态估计、形状检索等 3D 应用提供了可能。数据集已开放，包含注释工具和评估基准源代码。

    Mar, 2022

  • 用于物体实例检测的多视角 RGB-D 数据集

    介绍了一个新的多视角 RGB-D 数据集，用于目标检测和识别，包括多个识别基准和 AlexNet 模型，证明了该数据集比 Washington RGB-D Scenes 数据集更具挑战性。

    Sep, 2016

  • TO-Scene：用于理解三维台面场景的大规模数据集

    为了更好地理解 3D 室内场景的表面活动（如吃饭或写字），我们介绍了 TO-Scene，这是一个着重于桌面场景的大型数据集，包含三个变体。我们设计了一个有效且可扩展的框架来获得数据，并提出了桌面感知学习策略，以更好地感知小型桌面实例。最重要的是，我们还提供了一个真实扫描测试集 TO-Real，以验证 TO-Scene 的实际价值。

    Mar, 2022

  • 基于学习的几何软约束的同时多视图实例检测

    本文提出一种综合学习多视图几何和视图间扭曲的技术，适用于鲁棒的跨视图物体检测，结合图像外貌和几何学软约束的单一多视图检测过程可通过新的大尺度公开数据集进行验证，在城市全景下呈现出优秀性能，具有跨视图物体识别和重新识别、定制化多视图实例检测的注解工具和新的综合多视图检测和重新识别多种贡献。

    Jul, 2019

  • Associative3D: 稀疏视图三维体素重建

    本研究探讨了从未知的相机的两个视图中进行 3D 体积重建的问题，提出了一种新的方法，即联合推理方法，可以从稀疏视图中恢复合理的场景。

    Jul, 2020

  • OCTScenes：一种用于目标中心学习的多功能真实世界桌面场景数据集

    本文介绍了一种为物体为中心学习方法提供多样性的真实场景数据集 ——OCTScenes，该数据集包含 5000 个桌面场景，并对静态、动态和多视角场景的物体为中心的表示学习方法进行评估。 实验证明，尽管基于复杂合成数据集的最新算法取得了显著进展，但它们存在从真实世界数据中学习有意义的表示的不足。

    Jun, 2023

  • 跨数据集分析测试平台

    本文开展了针对视觉图像识别中数据集偏见问题的大规模分析，通过将 12 个已有数据库组织成一个语料库，提供了一个有用的特征储存库以供未来研究使用。

    Feb, 2014

  • 重新审视用于具有视觉丰富度文档的表格检测数据集

    本文提出了一种新的数据集 Open-Tables 和 ICT-TD，利用领域专家指导手动注释，清理了现有数据集中的噪声，并将注释定义进行了统一，结果表明这些新数据集更适合交叉领域设置，可提供高质量和一致性注释，更可靠地进行模型评估。

    May, 2023

  • 从单幅图像中感知野外 3D 人体 - 物体空间排列

    本文提出了一种在非受控环境下从野外拍摄的单张图像中推断人类和物体的空间布局和形状的方法，并证明了尝试联合考虑人类和物体可以通过引入 3D 常识约束来减少可能的 3D 空间配置。

    Jul, 2020

  • 从多个视角重建近距离人类互动

    该研究论文讨论了通过多个校准相机捕捉的近距离互动中多个个体的姿势重建的挑战性任务，并提出了一种整合了学习为基础的姿势估计组件和相应的训练和推断策略的系统。该系统利用多视图 2D 关键点热图作为输入，使用 3D 条件体积网络重建每个个体的姿势，通过合成大规模的模拟测试场景中真实数据分布的训练数据集，实现了对姿势准确性的显著提升，并且在不同相机配置和人群规模下具有很好的泛化性能。

    Jan, 2024