ICCVAug, 2021

MT-ORL: 多任务遮挡关系学习

PDF
TL;DR本文提出了一种名为 OPNet 的新架构，通过利用共享高层特征中的丰富遮挡线索和任务特定低层特征中的结构空间信息来解决现有工作中存在的两个关键问题，即缺乏可以利用两个子任务之间有限的耦合的解码器架构，以及不适当的遮挡方向表示。
occlusion relationdecoder architectureocclusion cuesspatial informationorthogonal occlusion representation
发现论文，激发创造
  • 遮挡共享和特征分离网络用于遮挡关系推理

    我们提出了一种基于卷积神经网络的 Occlusion-shared and Feature-separated Network (OFNet) 来进行物体分割的任务，在理解和处理欠遮挡和遮挡物体的关系方面，该网络在 PIOD 和 BSDS ownership 数据集上取得了显著的性能优势。

    Aug, 2019

  • 从一张图像中深度估计遮挡

    本文提出了一种名为 DOC 的深度网络架构，它能在单个图像上检测物体边界并估计边界所有权，可用于恢复遮挡关系，并通过大规模实例遮挡边界数据集 PIOD 进行了验证。

    Nov, 2015

  • 多目标跟踪的遮挡感知检测和重新识别校准网络

    针对多目标跟踪中的遮挡问题，本文提出了一种考虑遮挡的检测和 Re-ID 校准网络，名为 ORCTrack。通过引入 Occlusion-Aware Attention 模块和优化传输问题的 Re-ID 匹配块，该方法在 VisDrone2021-MOT 和 KITTI 数据集上实验表明了其卓越性能和高运行效率。

    Aug, 2023

  • 关于多对象遮挡的鲁棒实例分割推理

    本研究提出了一种采用深度神经网络进行多对象实例分割的方法，该方法能够通过 bounding box 监督训练，具有鲁棒性并能处理复杂场景中的遮挡问题，从而提高图像分类精度。

    Dec, 2020

  • 使用 And-Or 模型表达上下文与遮挡以进行汽车检测和观点估计

    本文提出了一种基于 And-Or 模型的学习方法，用于表示汽车检测和视点估计中的上下文和遮挡，并且是一种弱监督的学习方法。通过三个层次来表示汽车之间的上下文和遮挡配置，并且采用动态规划算法进行推理。该方法在四个汽车检测数据集和三个汽车视点估计数据集上与现有的方法相比，均获得了显著的改善结果。

    Jan, 2015

  • Occ²Net: 基于三维占空比估计的鲁棒图像匹配算法应用于遮挡区域

    本文提出 Occ$^2$Net，一种新颖的图像匹配方法，利用 3D 占用来建模遮挡关系，并推断出遮挡区域中的匹配点。通过在 Occupancy Estimation (OE) 模块中编码归纳偏差，简化了多视图一致的 3D 表示的引导启动，以便从多个视图中集成信息。结合 Occlusion-Aware (OA) 模块，它使用注意层和旋转对齐实现遮挡点和可见点之间的匹配，经过在真实和模拟数据集上的评估，展示了该方法在多个指标上的卓越性能，特别是在遮挡场景中。

    Aug, 2023

  • DOOBNet：图像深度目标遮挡边界检测

    本文提出了一种 Attention Loss 函数结合多任务深度对象遮挡边界检测网络，并采用编码器 - 解码器结构，通过共享卷积特征来同时预测对象边界和遮挡方向，大幅度提高了 PIOD 数据集和 BSDS 拥有数据集上的检测速度（每图像 0.037s）并显著超过了之前的最优结果（ODS F 分数分别为 0.702 和 0.555）。

    Jun, 2018

  • 像素对遮挡关系图（P2ORM）：构建、推理与应用

    本文提出了一种基于像素对遮挡关系的新型统一表述方式，同时提供了一种生成大规模准确遮挡数据集的方法和一种基于该方式的单幅图像中的任务无关像素级遮挡关系估计新方法，并提出了一种新的深度图细化方法，从而在改善现有单目深度估计方法的性能方面表现出更好的效果。

    Jul, 2020

  • 高阶信息的重要性：学习遮挡人员再识别的关系和拓扑

    本篇论文提出了一种新颖的框架，通过学习高阶关系和拓扑信息来实现人物重识别，其中采用了 CNN 和关键点估计模型分别从语义和局部信息两个角度进行特征提取，并将其视为图的节点，提出了自适应方向图卷积层和交叉图嵌入对齐层，通过优化图匹配和节点嵌入来最终匹配人员并在遮挡的数据集上取得了优越的效果。

    Mar, 2020

  • 弱而深地监督的遮挡推理参数化路面布局

    本文提出一种端到端的网络模型，该模型仅需要较为便宜的人工注释即可在复杂路况下的单个透视 RGB 图像上产生基于遮挡的透视空间布局和参数化鸟瞰图，并用了归纳偏差来学习遮挡推论、几何变换和语义抽象等方面，经测试该方法有效且仅需较少的人工干预。

    Apr, 2021