AAAIMar, 2021

基于知识引导的深度印象对象发现

PDF
TL;DR提出了一种名为 ADI 的框架，该框架采用获取物体 “印象” 的方式进行组合场景理解，通过记忆印象和应用生成式重放策略，重新利用学到的知识生成带有伪标注的图像并辅助学习新的场景，实验结果表明：所提出的框架能够有效地利用所获取的 “印象”，提高场景分解表现。
acquired deep impressionscompositional scene understandingneural networkgenerative replay strategyscene decomposition performance
发现论文，激发创造
  • 使用主动推理实现以物体为中心的场景表征

    本文提出了一种基于层次化对象中心生成模型的场景理解方法，利用神经启发式的行动和感知框架实现了代理的对象类别和姿态的推断，并提出了一个新的基准来评估主动视觉代理的行为，并表明我们的主动推理代理在平衡认知觅食和目标驱动行为方面表现优异，远胜于监督和强化学习基线。

    Feb, 2023

  • 室内场景识别的物体间判别图建模

    本文提出了一种利用判别性物体知识增强场景特征表示的方法，并通过构建判别性图网络（DGN）以及生成物体场景辨别原型（IODP），将物体知识融入图像表示中，从而在多个常用场景数据集上取得了最先进的结果，证明了该方法的有效性。

    Nov, 2023

  • 自动驾驶数据知识图谱嵌入评估：经验与实践

    该研究旨在探讨自动驾驶数据的知识图嵌入生成和评估，并考虑知识图的信息细节与衍生嵌入质量的关系，结果表明，在自动驾驶领域，知识图的信息细节越高，衍生嵌入的质量越高，并且基于语义转移距离的 TransE 算法更好地捕捉类型和关系的语义。

    Feb, 2020

  • 从火山到玩具店：自适应区域发现场景识别

    本文提出了一种自适应的辨别区域发现方法 Adi-Red，用于场景识别，其利用预训练的 CNN 分类器直接发现区分性图像区域，避免引入噪声，同时又不会错过重要信息，在场景识别基准数据集 SUN397 上成绩优于现有技术。

    Jul, 2018

  • 基于 3D 增强的对比知识蒸馏，用于基于图像的物体位姿估计

    该研究论文提出了一种基于图像的物体姿态估计方法，利用多模态方法学习的 3D 知识通过对比知识蒸馏框架有效地转移给单模态模型，使其在没有 3D 信息的情况下提升物体姿态估计准确率，实验证明了该方法的有效性。

    Jun, 2022

  • 基于混合表示的场景合成深度生成建模

    本论文提出了一种基于深度生成模型的室内环境场景建模技术，使用前馈神经网络将先验分布映射到室内场景中的主要物体分布，并结合 2D 和 3D 物体排列表示的区分器损失对该模型进行训练，并在多个基准数据集上验证了该模型在场景插值和补全方面的有效性。

    Aug, 2018

  • IMPRINT: 学习保持身份特征的生成式对象合成

    本文介绍了一种名为 IMPRINT 的新型扩散式生成模型，使用两阶段学习框架，将保持对象身份的学习与组合学习分离开来，实现了上下文无关的身份保留预训练和背景下对象无缝融合的学习，同时引入了一种形状引导机制，提供用户对组合过程的控制。大量实验证明，IMPRINT 在身份保留和组合质量方面明显优于现有方法和各种基线方法。

    Mar, 2024

  • 基于对象的单图多层场景分解

    本文提出了一种从单张 RGB 图像中建立分层深度图像的方法，其具有自适应层数和语义编码，特别适用于处理遮挡物体的准确性和重建三维场景。

    Aug, 2019

  • 使用复制粘贴生成对抗网络进行目标发现

    本研究提出了一种新的基于复制 - 粘贴 GAN 框架的无监督目标发现算法，该生成器通过在两张图像间复合物体以骗过判别器来学习发现物体，该系统在四个不同的数据集上都表现优异。

    May, 2019

  • 3D 物体合成的自动场景推断

    本文提出了一种基于深度学习的图像编辑系统，支持拖放插入物体、后期光照和景深编辑。通过一种全自动的技术实现从单张低动态范围照片恢复包括几何、光照、漫反射和相机参数在内的全面的三维场景模型。研究结果表明，这个系统可以产生令人信服的结果，达到需要大量用户交互的技术相同的真实感水平。

    Dec, 2019