×

纽约大学深度

swMATH ID: 38991
软件作者: Nathan Silberman、Pushmet Kohli、Derek Hoiem、Rob Fergus
描述: 纽约大学深度数据集V2:RGBD图像的室内分割和支持推断。我们提出了一种从RGBD图像中解释室内场景的主要表面、对象和支持关系的方法。大多数现有的工作忽略了物理交互,或者只适用于整洁的房间和走廊。我们的目标是将典型的、通常是凌乱的室内场景解析为地板、墙壁、支撑面和对象区域,并恢复支撑关系。我们的主要兴趣之一是更好地理解3D线索如何最好地为结构化3D解释提供信息。我们还提供了一种新的整数规划公式来推断物理支持关系。我们提供了一个包含1449幅RGBD图像的新数据集,捕获了464幅不同的室内场景,并提供了详细的注释。我们的实验证明了我们在复杂场景中推断支持关系的能力,并验证了我们的3D场景线索和推断支持能够导致更好的对象分割。
主页: https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
相关软件: 抓斗切割;ImageNet公司;AlexNet公司;SegNet公司;更快的R-CNN;PointNet(点网);SYNTHIA数据集;扫描网络;城市风光;掌中宽带;深度实验室;精炼网;BSDS公司;k平均值++;DeconvNet公司;OctNet公司;分析网;地图视觉;PASCAL挥发性有机化合物;PyDenseCRF公司
引用于: 16文件

按年份列出的引文