实体
3D scene graph generation
3D scene graph generation
PulseAugur coverage of 3D scene graph generation — every cluster mentioning 3D scene graph generation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架提高了三维场景图生成对视点变化的鲁棒性
研究人员开发了一个名为变换感知解耦（TAD）的新框架，以改进三维场景图生成（3DSGG）模型。当前模型在处理视点变化时存在困难，会错误地转换“左”或“右”等方向性谓词，同时未能稳定“站立在”等谓词。TAD通过将关系推理分为两部分来解决这个问题：一部分学习视点稳定的线索，另一部分学习随观察帧变化的定向线索。这种方法在训练时无需旋转增强即可提高对视点偏移的鲁棒性，同时在标准基准测试中保持了有竞争力的性能。
-
机器人使用RGB摄像头进行3D场景映射，改进探索能力
研究人员开发了一种新的3D场景图生成框架，该框架仅使用RGB摄像头即可运行，无需激光雷达等深度传感器。这种方法允许在各种机器人平台和深度传感器不可行的环境中更灵活地部署。该系统还结合了主动探索策略，机器人能够智能地选择视点来收集信息，与传统方法相比，显著提高了物体检测和场景理解能力。
-
新框架解决开放词汇三维场景图生成问题
两篇新的研究论文介绍了一种用于生成开放词汇三维场景图的新框架。第一篇RelWitness通过使用视觉-几何线索来验证对象之间的关系，解决了不完全监督的问题。第二种方法采用层级化、整体化的方法，从二维视觉证据锚定功能性边缘，并通过室内空间的时间图处理进行优化。这两种方法都旨在提高机器人和场景分析应用中三维场景理解的准确性和完整性。