近年来随着计算机视觉领域的不断发展,三维场景的语义分割和形状补全受到学术界和工业界的广泛关注.其中,语义场景补全是这一领域的新兴研究,该研究以同时预测三维场景的空间布局和语义标签为目标,在近几年得到快速发展.本文对近些年该领域提出的基于RGB-D图像的方法进行了分类和总结.根据有无使用深度学习将语义场景补全方法划分为传统方法和基于深度学习的方法两大类.其中,对于基于深度学习的方法,根据输入数据类型将其划分为基于单一深度图像的方法和基于彩色图像联合深度图像的方法.在对已有方法分类和概述的基础上,本文对语义场景补全任务所使用的相关数据集进行了整理,并分析了现有方法的实验结果.最后,本文总结了该领域面临的挑战和发展前景.

成为VIP会员查看完整内容
27

相关内容

专知会员服务
49+阅读 · 2021年8月13日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
52+阅读 · 2021年4月4日
专知会员服务
51+阅读 · 2021年3月22日
专知会员服务
58+阅读 · 2021年3月9日
专知会员服务
58+阅读 · 2021年3月6日
专知会员服务
67+阅读 · 2021年1月16日
专知会员服务
83+阅读 · 2021年1月7日
基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
3D目标检测进展综述
专知会员服务
185+阅读 · 2020年4月24日
图像修复研究进展综述
专知
16+阅读 · 2021年3月9日
基于深度学习的数据融合方法研究综述
专知
25+阅读 · 2020年12月10日
多模态视觉语言表征学习研究综述
专知
25+阅读 · 2020年12月3日
3D目标检测综述:从数据集到2D和3D方法
极市平台
3+阅读 · 2020年11月14日
基于深度学习的单目深度估计综述
CVer
4+阅读 · 2020年10月6日
基于深度学习的多标签生成研究进展
专知
4+阅读 · 2020年4月25日
基于深度学习的视觉三维重建研究总结
人工智能前沿讲习班
8+阅读 · 2019年11月19日
最全综述 | 图像目标检测
计算机视觉life
30+阅读 · 2019年6月24日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
35+阅读 · 2019年4月18日
独家 | 基于深度学习的行人重识别研究综述
AI科技评论
11+阅读 · 2017年12月20日
3D Deep Learning on Medical Images: A Review
Arxiv
11+阅读 · 2020年4月1日
Deep Learning in Video Multi-Object Tracking: A Survey
Arxiv
54+阅读 · 2019年7月31日
VIP会员
相关VIP内容
专知会员服务
49+阅读 · 2021年8月13日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
52+阅读 · 2021年4月4日
专知会员服务
51+阅读 · 2021年3月22日
专知会员服务
58+阅读 · 2021年3月9日
专知会员服务
58+阅读 · 2021年3月6日
专知会员服务
67+阅读 · 2021年1月16日
专知会员服务
83+阅读 · 2021年1月7日
基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
3D目标检测进展综述
专知会员服务
185+阅读 · 2020年4月24日
相关资讯
图像修复研究进展综述
专知
16+阅读 · 2021年3月9日
基于深度学习的数据融合方法研究综述
专知
25+阅读 · 2020年12月10日
多模态视觉语言表征学习研究综述
专知
25+阅读 · 2020年12月3日
3D目标检测综述:从数据集到2D和3D方法
极市平台
3+阅读 · 2020年11月14日
基于深度学习的单目深度估计综述
CVer
4+阅读 · 2020年10月6日
基于深度学习的多标签生成研究进展
专知
4+阅读 · 2020年4月25日
基于深度学习的视觉三维重建研究总结
人工智能前沿讲习班
8+阅读 · 2019年11月19日
最全综述 | 图像目标检测
计算机视觉life
30+阅读 · 2019年6月24日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
35+阅读 · 2019年4月18日
独家 | 基于深度学习的行人重识别研究综述
AI科技评论
11+阅读 · 2017年12月20日
微信扫码咨询专知VIP会员