抽象的
RGBD语义分割需要联合推理约2D外观和3D几何信息。在本文中，我们提出了一个3D图形神经网络（3DGNN），该网络神经网络（3DGNN）构建了3D点云顶部的K最近邻图。图中的每个节点对应于一组点，并且与由来自2D图像中的一元CNN提取的外观特征初始化的隐藏表示向量相关联。依赖于经常性函数，每个节点都基于来自其邻居的当前状态和传入消息动态更新其隐藏表示。该传播模型展开一定的时间步骤，并且最终的每个节点表示用于预测每个像素的语义类。我们使用后传播通过时间来训练模型。在NYUD2和Sun-RGBD数据集上的广泛实验证明了我们方法的有效性。
作者
会议
ICCV 2017.
全文
优步阿格
注释