- …
- …
#261
summarized by : Hiroaki Aizawa
どんな論文か？
3次元再構成時，入力されたすべてのviewから物体を完全にスキャンすることができず，結果，物体のgeometryが欠落することがよくある．著者らは，シーンが不完全なRGB-D scanから，物体インスタンスの検出とこれら物体の完全なgeometryを復元するsemantic instance completionタスクとして，この問題を設計し，解決するRevealNetを提案．
新規性
これまで別々で考えられていた 3D instance segmentationと3D scan completionを併せて，“seeing behind objects”を行うsemantic instance completionタスクを提案．RGB-D imageを入力として受け取り，これらのタスクをend2endで学習可能なRevealNetを提案．
結果
個々のタスクの先行研究をつなぎ合わせた手法と比較し，ScanNetで15ポイント(mAP@0.5), SUNCGでは18ポイント(mAP@0.5)以上上回る結果が得られた．完全なシーンを推定することが，3D detectionとinstance segmentationの両方の性能を改善することを実証．
その他（なぜ通ったか？等）
- …
- …