点云的无监督3D对象细分通过几何一致性
概括
本研究介绍了OGC,这是第一个从点云进行3D对象细分的无监督方法. 它使用运动模式自动发现刚性物体,消除了对人类注释的需求.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 机器人技术 机器人技术 机器人技术
背景情况:
- 从点云进行3D对象细分通常需要大量的人类注释.
- 现有的方法缺乏用于同时识别多个对象的无监督方法.
研究的目的:
- 提出第一个无监督方法 (OGC) 来从原始点云进行3D对象细分.
- 通过利用运动模式,在没有人类注释的情况下自动发现刚性物体.
主要方法:
- 开发了一种无监督方法 (OGC),包括一个对象细分网络,一个自我监督的场景流量估计器和一个对象几何一致性组件.
- 利用顺序点云中的动态运动模式作为监督信号.
- 设计了损失函数,以强制执行多对象刚性一致性和对象形状不变性.
主要成果:
- 在5个数据集的对象部分实例细分和一般对象细分方面表现出卓越的性能.
- 在室内和户外具有挑战性的场景中实现了有效的3D物体发现.
- 验证了该方法在没有注释的情况下发现对象几何学的能力.
结论:
- 拟议的OGC方法为3D对象细分提供了一种新的无监督方法.
- 利用运动模式为发现物体几何学提供了有效的监督.
- 该方法在各种环境和细分任务中显示出强大的概括能力.


