【未完待续】论文阅读与分析《Self-Supervised Scene De-occlusion》

举报
lutianfei 发表于 2021/08/10 11:28:21 2021/08/10
【摘要】 研究背景已有方法及问题:常规的场景分割:未考虑遮挡的情况有监督的遮挡场景分割:依赖于人类的标注或只适用于简单的数据集因此需要开发一种不依赖于人工标注,能广泛用于自然场景的方法:顺序恢复(Ordering Recovery):发现图中被遮挡的顺序非模态补全(Amodal Completion):对于被遮挡物的形态补全内容补全(Content Completion):进一步补全RGB信息 自监...

image.png

研究背景

已有方法及问题:

  • 常规的场景分割:未考虑遮挡的情况
  • 有监督的遮挡场景分割:依赖于人类的标注或只适用于简单的数据集

因此需要开发一种不依赖于人工标注,能广泛用于自然场景的方法:

  • 顺序恢复(Ordering Recovery):发现图中被遮挡的顺序
  • 非模态补全(Amodal Completion):对于被遮挡物的形态补全
  • 内容补全(Content Completion):进一步补全RGB信息

image.png

自监督学习框架

论文的出发点
image.png

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。