3d scene understanding | BriefGPT

关键词3d scene understanding

搜索结果 - 41

RegionPLC：区域点 - 语言对比学习用于开放世界 3D 场景理解
本文提出了一种开放式 3D 场景理解模型 ——RegionPLC，并通过对模型进行训练，使其具有开放词汇识别能力。采用密集视觉提示来引导从 2D 基本模型中提取区域级视觉语言知识，通过指针鉴别式对比学习，进一步使其实现从标题中对密集场景进行
PDFa year ago
基于扩散的 3D 场景生成、优化和规划
SceneDiffuser 是一个用于 3D 场景理解的条件生成模型，通过扩散过程，联合制定了场景感知生成、基于物理的优化和面向目标的规划模块，相对于之前的模型，具有内在的场景感知、基于物理的设计器和面向目标的设计等优点，在人体姿态和运动生
PDFa year ago
CVPRCLIP2Scene: 基于 CLIP 的高效场景理解
本文介绍了一种简单而有效的框架 CLIP2Scene，通过从二维预训练模型中转移知识到三维点云网络，利用语义和时空一致性正则化来预训练三维网络，实现了三维场景理解任务，并在多个数据集上进行了实验验证，其中包括无注释的 3D 语义分割，mIo
PDFa year ago
CVPROpenScene: 利用开放式词汇的 3D 场景理解
使用 OpenScene 和 zero-shot 方法，借助于 CLIP 特征空间将 3D 场景中的点嵌入到文本和图像像素中，以达到不确定性的训练和开放词汇量的查询场景的目的。
PDF2 years ago
语义抽象：从 2D 视觉语言模型实现开放式三维场景理解
本文介绍了一种基于视觉语言模型的语义抽象框架，可以为机器人在未结构化的三维环境中推理，并学会三维空间和几何推理技能，并在两个开放式三维场景理解任务上进行了实验测试。
PDF2 years ago
ECCV通过解缠实例网格重建进行点云场景理解
提出了一种基于分割的框架，用于场景中实例的准确预测和三维几何图形的恢复，并使用网格感知潜在编码空间来分离形状完成和网格生成的过程，实现了高保真的网格重建。
PDF2 years ago
CLEVR3D：3D 实际场景中的组合语言与基本视觉推理问答
本文提出了在 3D 真实世界场景中进行视觉问答任务的 VQA-3D，并介绍了第一个 VQA-3D 数据集 CLEVR3D 和基于 Transformer 架构的 VQA-3D 基准模型 TransVQA3D。实验证明，将 VQA-3D 作为
PDF3 years ago
基于语义分割辅助的 LiDAR 点云场景补全
我们提出了一种端到端的语义分割辅助场景补全网络，包括 2D 补全分支和 3D 语义分割分支，以提供语义信息。通过采用 BEV 表示和 3D 稀疏卷积，我们可以从较低的操作数中受益，同时保持有效的表达。此方法在 SemanticKITTI 数
PDF3 years ago
ICCV3D 点云时空自监督表示学习
本文介绍了一种利用自监督学习学习无标签 3D 点云的时空表示学习 (STRL) 框架，通过从 3D 数据中获得富含的时空线索来应对 3D 情景理解任务中预训练模型泛化性差的困境，实验证明该方法能显著提高 3D 点云中的表示学习性能。
PDF3 years ago
ICCVDeepPanoContext: 全景三维场景理解，基于整体场景上下文图和基于关系的优化
本研究提出了一种基于全景图像的新颖的三维场景理解方法，通过设计基于图神经网络的上下文模型来预测物体之间的关系和房间布局，以及可微分的基于关系的优化模块来优化物体排列，实现对全景三维场景的理解，并制备了具有多样化房间布局和家具摆放的真实感合
PDF3 years ago
ICCVReDAL: 面向区域和多样性感知的点云语义分割主动学习
提出一种基于区域和多样性感知主动学习 (ReDAL) 的深度学习方法，结合了 softmax 熵、颜色不连续性和结构复杂性等特征，可准确快速地自动选择信息与多样性高的场景子区域进行标注获取，在 S3DIS 和 SemanticKITTI 数
PDF3 years ago
Light Field Networks: 单次计算渲染的神经场景表示
本文提出了一种新型的神经场景表示法，Light Field Networks (LFNs)，其可实现基于单一神经网络评估的 360 度四维光场参数化的几何和外观，通过元学习优化 LFNs 的先验使其能够从单个图像观察中实现多视角一致的光场重
PDF3 years ago
ECCV基于 3D 地图的自我中心活动识别及定位
提出了一种基于深度概率模型的方法，结合视角与环境信息，实现对运动轨迹和动作识别的 3D 场景理解与定位
PDF3 years ago
CVPR3D 场景理解的蒙特卡罗场景搜索
本论文探讨了如何利用通用 AI 算法进行 3D 场景理解来减少训练数据的需求，并提出了一种修改的蒙特卡洛树搜索算法，以从嘈杂的 RGB-D 扫描中检索对象和房间布局。在 ScanNet 数据集上应用本算法可以得到比一些手动注释更好的配置。
PDF3 years ago
CVPR使用隐式表示从单张图像中全面理解三维场景
本文提出了一种基于单幅图像的全面三维场景理解的新管道，该管道可以预测物体形状、物体姿态和场景布局，利用最新的深度隐式表示方法解决了物体形状和布局的不精确估计的问题，通过物理违规损失函数避免了物体之间的错误场景。实验结果表明，该方法在物体形状
PDF3 years ago
CVPR使用对比场景语境探索数据高效的三维场景理解
本文提出一种基于对比场景上下文的三维预训练方法，在数据量和标注不足时实现了全面标注的近乎完全的实例分割和语义分割。
PDF4 years ago
CVPR面向城市尺度三维点云的语义分割：数据集、基准和挑战
本文介绍了一个由三个英国城市中 7.6 平方公里的城市景观组成的大规模城市照相测量点云数据集，其中每个 3D 点都被标记为 13 个语义类别之一，并通过基于现有算法的综合分析来识别了几个关键问题。
PDF4 years ago
基于多模态注意力融合的 RGB - 深度图像语义分割模型
本文提出了一种有效的编码器 - 解码器模型和基于注意力的融合模块，以集成 RGB-Depth 图像的特征，从而提高语义分割的精度和计算效率。实验结果表明，该模型在计算成本和模型大小方面大大超越了现有的最先进模型，并且在准确性方面具有良好的性
PDF5 years ago
WWWSynSin：从单张图像到端到端的视角合成
本文提出了一种使用真实图像来训练、无需 3D 场景真值信息，通过可微分点云渲染器将潜在 3D 特征点云转换为目标视图输出图像，并通过细化网络解码来填补缺失区域的新型端到端模型，在测试时可以对潜在特征空间进行可解释的操作，可以生成高分辨率图像
PDF5 years ago
ICCVHolistic++ 场景理解：单视角三维全局场景解析和人体姿势估计，带人物 - 物品交互和物理常识
该研究提出一种新的 3D 全局场景理解问题，旨在同时解决物体检测和重建、人体姿态估计，并利用人物 - 物体交互和物理常识优化场景的表现，最后使用马尔可夫蒙特卡罗方法，显著提高了算法的性能。
PDF5 years ago