scene structure | BriefGPT - AI 论文速递

关键词scene structure

搜索结果 - 10

FAWN：直接神经 TSDF 重建的地板和墙面的正则化
通过检测墙壁和地板，罚款相应的表面法线偏离水平和垂直方向，我们提出了 FAWN，这是截断距离函数（TSDF）重建方法的一个修改版，它考虑了场景结构。FAWN 通过 3D 稀疏卷积模块实现，并且可以与任何预测 TSDF 的可训练流程相结合。我
PDF17 days ago
ICCV低维物体运动多目标发现
本文提出一种基于像素几何和物体运动模型的运动预测方法，通过将图像分为运动一致的区域并利用深度构建最佳匹配的流场基础来减少从单个图像重建流场的不确定性，并在场景结构和物体运动建模方面取得了最新的结果，同时对预测深度图的评估显示出可靠的单眼深度
PDFa year ago
路网基因组：自动驾驶场景理解拓扑推理基准
提出了一种名为 Road Genome 的新的、针对场景结构的自动驾驶数据集，着眼于感知元素和车道之间的关系，包括三个子任务：从 OpenLane 继承的 3D 车道检测、拓扑推理和场景分割。
PDFa year ago
学习神经声场
本文介绍了神经声学场（NAFs），一种能够捕捉声音在物理环境中传播的隐式函数表示，通过将声学传播建模为一个线性时不变系统，NAFs 能够连续地将所有发送与接收方位置匹配映射到神经脉冲响应函数，从而可以应用于任意声音，同时 NAFs 中学习到
PDF2 years ago
基于通道注意力的自监督单目深度估计网络
本论文提出了一种基于自注意机制和通道注意力的深度估计网络（CADepth-Net），通过结构感知模块和细节强调模块对场景结构和细节信息进行建模和处理，从而实现更加准确和清晰的深度预测，并在 KITTI 基准和 Make3D 数据集上取得了最
PDF3 years ago
学习组合视觉关系
本文提出了一种基于能量的模型，通过正交分解的方式，实现了对场景中各个物体之间关系的描述和生成，并改进了对场景结构的理解方法。
PDF3 years ago
通过内容自适应多分辨率合并提高单目深度估计模型的分辨率
通过对输入分辨率和场景结构对深度估计性能的影响进行分析，本文提出了一种使用深度合并网络，结合低分辨率和高分辨率估计的方法，以在一定精度下生成具有细节的高分辨率深度图像，其中包括双重估计方法和补丁选择方法。通过合并不同分辨率的估计并应用不同的
PDF3 years ago
基于网格化规划条件下未知环境下的轨迹预测
本文介绍一种基于最大熵逆强化学习 (MaxEnt IRL) 的计划采样方法，以提高对未知环境下行人和车辆运动轨迹的准确性和多样性，同时考虑多模式预测分布和场景结构的影响。在 Stanford drone 和 NuScenes 数据集上的实验
PDF5 years ago
语义瓶颈场景生成
本文提出了一种基于语义瓶颈的 GAN 模型，通过使用像素级分割标签来生成高保真的场景布局，并用其完成复杂场景的生成合成。结果表明，这种方法在无监督图像合成方面优于现有的最先进的生成模型，并且可以作为额外的训练数据以大幅提高分割至图像综合网络
PDF5 years ago
ICLRLR-GAN: 图像生成的分层递归生成对抗网络
我们提出了 LR-GAN，这是一种考虑场景结构和上下文的对抗性图像生成模型，使用前景和背景分别和递归地生成，并以相关上下文方式将前景缝合在背景上，以产生完整自然图像。
PDF7 years ago