计算机科学 > 计算机视觉与模式识别
[提交于 2025年8月2日
(v1)
,最后修订 2025年8月5日 (此版本, v2)]
标题: 3DRot:基于RGB的3D任务的3D旋转增强
标题: 3DRot: 3D Rotation Augmentation for RGB-Based 3D Tasks
摘要: 基于RGB的3D任务,例如3D检测、深度估计、3D关键点估计,仍然受到稀缺且昂贵的标注和有限的增强工具的困扰,因为大多数图像变换,包括缩放和旋转,会破坏几何一致性。 在本文中,我们引入了3DRot,一种即插即用的增强方法,在围绕相机光学中心旋转和镜像图像的同时同步更新RGB图像、相机内参、物体姿态和3D标注,以保持投影几何——实现无需依赖任何场景深度的几何一致的旋转和反射。 我们通过一个经典的3D任务——单目3D检测来验证3DRot。 在SUN RGB-D数据集上,3DRot将$IoU_{3D}$从43.21提高到44.51,将旋转误差(ROT)从22.91$^\circ$降低到20.93$^\circ$,并将$mAP_{0.5}$从35.70提升到38.11。 作为比较,Cube R-CNN在单目3D估计中与其他3个数据集一起使用SUN RGB-D,具有相似的机制和测试数据集,将$IoU_{3D}$从36.2提高到37.8,并将$mAP_{0.5}$从34.7提高到35.4。 由于它纯粹通过相机空间变换操作,3DRot可以轻松转移到其他3D任务。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.