MonteBoxFinder: Detecting and Filtering Primitives to Fit a Noisy Point Cloud

要約

ノイズの多い入力ポイントクラウドが与えられた場合に、直方体を入力シーンに適合させるメソッドであるMonteBoxFinderを紹介します。
私たちの主な貢献は、最初に検出された直方体の密集したセットから、ノイズの多いボックスから適切なボックスを効率的にフィルタリングできる離散最適化アルゴリズムです。
シーン理解の問題へのMCTSの最近のアプリケーションに触発されて、設計上、タスクに対してより効率的な確率的アルゴリズムを開発します。
実際、直方体配置の適合の品質は、直方体がシーンに追加される順序に不変です。
問題の検索ベースラインをいくつか作成し、ScanNetデータセットで、アプローチがより効率的で正確であることを示します。
最後に、私たちのコアアルゴリズムは非常に一般的であり、3Dシーンの理解における他の多くの問題に拡張できると強く信じています。

要約(オリジナル)

We present MonteBoxFinder, a method that, given a noisy input point cloud, fits cuboids to the input scene. Our primary contribution is a discrete optimization algorithm that, from a dense set of initially detected cuboids, is able to efficiently filter good boxes from the noisy ones. Inspired by recent applications of MCTS to scene understanding problems, we develop a stochastic algorithm that is, by design, more efficient for our task. Indeed, the quality of a fit for a cuboid arrangement is invariant to the order in which the cuboids are added into the scene. We develop several search baselines for our problem and demonstrate, on the ScanNet dataset, that our approach is more efficient and precise. Finally, we strongly believe that our core algorithm is very general and that it could be extended to many other problems in 3D scene understanding.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google